A lossless image compression is important for medical image since any information loss or error during image compression process can affect clinical diagnostic decision. This thesis proposes a lossless compression algorithm for major application to medical image which has high spatial correlation. The proposed image compression algorithm has binary tree-structured decomposition scheme in conjunction with prediction and classification.
In the proposed algorithm, an image is divided into four subimages by subsampling, one of which is used as a reference subimage to predict three other subimages. The prediction error of three subimages is classified into two subsets based on a slope change of the reference subimage, and the classified errors are encoded by entropy coding with corresponding codewords, respectively. This subsampling(decomposition) and classified entropy coding processes are repeated to the reference subimage, and the last reference subimage is encoded by conventional differential pulse code modulation(DPCM) and entropy coding.
In order to verify this proposed algorithm, it is applied to several chest X-ray, X-ray CT, and MR images, and the results are compared to the well-known lossless compression algorithms.
의료용 디지탈 영상은 기존의 아날로그 영상에 비해 다양한 영상처리, 편리한 데이타 베이스 이용, 완벽한 복제의 편리성 등의 많은 장점이 있다. 그러나, 디지탈 영상은 방대한 데이타량 때문에 전송이나 보관시 시간과 비용이 많이 소모되는 단점이 있기 때문에 이러한 단점을 해결하기 위하여 여러가지 영상압축기술이 소개되어 왔다. 영상압축기술은 압축시의 데이타 손실을 감수하더라도 높은 압축률을 얻고자 하는 손실성 압축 방법(lossy compression)과 압축률은 낮지만 데이타의 손실이 전혀 없기 때문에 완전복원이 가능한 무손실 압축 방법 (lossy compression)의 두 가지로 나눌 수 있다. 의료영상의 경우에는 아주 작은 영상 데이타의 손실로 인하여 오진을 유발할 수 있기 때문에 낮은 압축률을 감수하더라도 압축과정에서 정보를 전혀 잃어버리지 않는 무손실 영상압축이 필요하다. 본 논문에서는 의료영상에 대해서 현재까지 소개된 어떤 알고리즘보다도 높은 압축률을 얻을 수 있는 새로운 알고리즘에 대한 제안을 하고 있다.
제안된 알고리즘은 Predictive decorrelation과 Multiresolution decorrelation 알고리즘의 성질을 모두 갖고 있으며, 현재 무손실 의료영상압축으로 가장 높은 압축률을 보이고 있는 Prediction/Classification 알고리즘에 3 가지의 개선점을 추가 적용한 것이다. 이들 3 가지의 개선점은
첫째, 기존 알고리즘에서는 예측 (Prediction)과 분류 (Classification) 과정을 한 번만 하였으나, 제안된 알고리즘에서는 이 과정을 여러 번 반복하도록 하였고,
둘째, 기존 알고리즘에서 사용한 예측기보다 더 정확한 예측을 할 수 있는 새로운 예측기 (Predictor)를 사용하였으며,
셋째, 일반 영상에 대해서 분류 (Classification)를 2 개의 부분으로 하는 데 비해, CT (Computed tomography) 영상에 대해서는 3 개의 부분으로 보다 세밀한 분류를 하여 보다 높은 압축률을 얻을 수 있도록 하였다.
제안된 알고리즘의 성능 비교를 위하여 기존의 3개 알고리즘 즉, DPCM, HINT, Prediction/Classification을 X-ray, CT, MR 영상들에 적용한 결과와 비교하였다. 이 비교결과 제안된 알고리즘인 BTSD (Binary Tree-Structured Decomposition)의 성능이 다른 어떤 알고리즘보다 높은 압축률을 갖는다는 것이 증명되었으며, 특히 CT 영상에 대해서는 다른 3가지 알고리즘 중 가장 높은 압축률을 갖는 Prediction/Classification 알고리즘보다 10.8 - 12.5%의 높은 압축률의 향상을 보였다.
