CN114531599A - 一种用于医疗图像存储的图像压缩方法 - Google Patents
一种用于医疗图像存储的图像压缩方法 Download PDFInfo
- Publication number
- CN114531599A CN114531599A CN202210436415.8A CN202210436415A CN114531599A CN 114531599 A CN114531599 A CN 114531599A CN 202210436415 A CN202210436415 A CN 202210436415A CN 114531599 A CN114531599 A CN 114531599A
- Authority
- CN
- China
- Prior art keywords
- region
- area
- expanded
- edge pixel
- pixel point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明涉及图像处理领域,具体涉及一种用于医疗图像存储的图像压缩方法,采集医疗影像图,提取出感兴趣区域,根据感兴趣区域的每个边缘像素点与其八邻域像素点的灰度差和方差得到邻接性,根据邻接性阈值确定出需要外扩的边缘像素点不断迭代进行外扩,得到扩大区域,利用感兴趣区域像素点和扩大区域像素点及剩余区域像素点的灰度值得到扩大区域的联合方差和剩余区域的联合方差,确定出剩余区域中的随机区域,掩模算法分别获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数,依次进行嵌入式零树小波编码,完成图像压缩,方法智能、高效。
Description
技术领域
本申请涉及图像处理领域,具体涉及一种用于医疗图像存储的图像压缩方法。
背景技术
医院就医的人数多,往往会产生大量的医疗影像,如此多的医疗影像对数据的压缩传输保存有了非常高的要求,海量的医疗影像存储往往成为医院迫切需要解决的问题之一,而医疗影像存储质量关乎患者的人身健康,因此如何在保证相关数据质量的前提之下提高存储效率是目前继续解决改进的问题之一。
当前相关技术的研究多是针对整体图像的压缩方式进行改进,或是基于模板匹配的相关压缩方式,智能化程度不强,不能够根据图像特性进行智能化压缩。
本发明根据医疗影像的特点,划分出医疗影像中的重点区域和次重点区域及无关区域,将重点关注的区域无损压缩保存,无关区域采用部分保存的方式,极大的提升了医疗影像的压缩效率,同时保证了关键有效信息的完整保存,实现医疗影像的高效压缩处理。
发明内容
本发明提供一种用于医疗图像存储的图像压缩方法,解决医疗影像压缩效率低、不够智能化的问题,采用如下技术方案:
采集医疗影像图,提取出医疗影像图的感兴趣区域;
根据感兴趣区域的每个边缘像素点与其八邻域像素点的灰度差和方差得到感兴趣区域的每个边缘像素点的邻接性;
利用感兴趣区域每个边缘像素点的邻接性判断该边缘像素点是否需要扩大;
若边缘像素点需要扩大,则将该边缘像素点向外扩一个像素,将外扩后外相邻像素点作为新的边缘像素点;
获取新的边缘像素点的邻接性,利用该邻接性判断新的边缘像素点是否需要扩大,依次迭代,得到感兴趣区域的扩大区域;
利用扩大区域像素点灰度值和感兴趣区域像素点灰度值及剩余区域像素点灰度值得到扩大区域的联合方差和剩余区域的联合方差;
根据扩大区域的联合方差和剩余区域的联合方差计算出剩余区域中的随机区域所占的比例;
根据随机区域在剩余区域中所占的比例得到剩余区域中的随机区域;
使用掩模算法分别获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数;
依次根据感兴趣区域、扩大区域及剩余区域中随机区域、剩余区域的其他区域的小波系数进行嵌入式零树小波编码,完成医疗图像压缩。
所述每个边缘像素点的邻接性的计算方法为:
计算边缘像素点的八邻域像素点的灰度值均值;
计算边缘像素点的八邻域像素点灰度值相对于灰度值均值的方差;
计算边缘像素点灰度值和八邻域像素点的灰度值均值的差值;
将差值和方差之和作为边缘像素点的邻接性。
将需要扩大的边缘像素点向外扩一个像素的同时要保证外扩后得到的新的边缘像素点在扩大距离范围内,扩大距离范围的计算方法为:
判断边缘像素点是否需要扩大的具体方法如下:
若边缘像素点的邻接性小于等于邻接性阈值,则该边缘像素点为需要扩大的边缘像素点,否则该边缘像素点不需要扩大。
所述扩大区域的联合方差和剩余区域的联合方差的获取方法为:
所述剩余区域中的随机区域的确定方法如下:
计算出剩余区域中的随机区域在剩余区域中的比例:
本发明的有益效果是:基于图像处理,采集医疗影像图,提取出医疗影像图的感兴趣区域,根据感兴趣区域的每个边缘像素点与其八邻域像素点的灰度差和方差得到每个边缘像素点的邻接性,根据邻接性阈值得到需要外扩的边缘像素点,向外扩大一个像素点,依次迭代,得到扩大区域,利用感兴趣区域像素点和扩大区域像素点及剩余区域像素点的灰度值得到扩大区域的联合方差和剩余区域的联合方差,根据扩大区域的联合方差和剩余区域的联合方差确定出剩余区域中的随机区域,使用掩模算法分别获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数,依次进行嵌入式零树小波编码,完成医疗图像压缩,方法智能、高效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种用于医疗图像存储的图像压缩方法流程示意图;
图2是本发明的一种用于医疗图像存储的图像压缩方法的感兴趣区域、扩大区域、剩余区域的随机区域、剩余区域的其他区域示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种用于医疗图像存储的图像压缩方法的实施例,如图1所示,包括:
步骤一:采集医疗影像图,提取出医疗影像图的感兴趣区域;
该步骤目的是,获取医疗影像图的核心区域,在医疗中关注的区域。
其中,提取医疗影像图的感兴趣区域的方法为:
因为医疗影像的整幅图像中,只有一部分是属于有价值的,而剩余其他位置对于整幅图像来说都是冗余的,因此通过对冗余位置图像的处理来实现对医疗影像的高效的压缩,海量的医疗影像为神经网络的训练提供了扎实的基础,利用医疗影像传输训练好的神经网络确定感兴趣区域。
步骤二:根据感兴趣区域的每个边缘像素点与其八邻域像素点的灰度差和方差得到感兴趣区域的每个边缘像素点的邻接性;利用感兴趣区域每个边缘像素点的邻接性判断该边缘像素点是否需要扩大;
该步骤的目的是获取感兴趣区域每个边缘像素点的邻接性特征,根据该特征判断是狗需要对感兴趣区域外扩。因为,利用神经网络获得的感兴趣区域只是整幅图像的一部分,并且由于神经网络所检测到的区域存在一定误差,直接对分割的两个区域采用不同的压缩方式,终端进行在图像解码恢复后会出现一定程度的失真,并且在两个区域的连接处出现分割点,因此在压缩处理之前需要对两者先行处理。
其中,每个边缘像素点的邻接性的获取方法为:
其中,判断边缘像素点是否需要扩大的方法为:
步骤三:若边缘像素点需要扩大,则将该边缘像素点向外扩一个像素,将外扩后外相邻像素点作为新的边缘像素点;获取新的边缘像素点的邻接性,利用该邻接性判断新的边缘像素点是否需要扩大,依次迭代,得到感兴趣区域的扩大区域;
该步骤的目的是根据感兴趣区域占医疗影像图的比例计算出扩大像素点的扩大距离,并对需要扩大的边缘像素点进行扩大,得到扩大区域。
其中,将需要扩大的边缘像素点向外扩一个像素的同时要保证外扩后得到的新的边缘像素点在扩大距离范围内,扩大距离范围的获取步骤为:
(1)获取感兴趣区域在医疗影像整体图中的比例:
由于医疗影像的特殊性,某些部位的像素点的邻接性是很大的,因此不能按照以上操作无休止的扩大,由于每幅图像中的感兴趣区域的大小不同,根据感兴趣区域在整幅图像占据的比例来确定缓冲区域的大小。
假设感兴趣区域的大小为S,图像整体的大小为T,则有:
步骤四:利用扩大区域像素点灰度值和感兴趣区域像素点灰度值及剩余区域像素点灰度值得到扩大区域的联合方差和剩余区域的联合方差;根据扩大区域的联合方差和剩余区域的联合方差计算出剩余区域中的随机区域所占的比例;根据随机区域在剩余区域中所占的比例得到剩余区域中的随机区域;
该步骤的目的是,对图像中的除了感兴趣区域和扩大区域之外的剩余区域进一步进行划分。
其中,扩大区域的联合方差和剩余区域的联合方差的计算方法为:
需要说明的是,感兴趣区域作为整幅图像的核心,在压缩的过程中依然要以感兴趣区域的特性选择后两者的编码方式,与感兴趣区域的相似程度可以从一定程度上表现出扩大区域和剩余区域的重要程度。方差越大表明相似性越小,重要程度越小,由于剩余区域距离感兴趣区域较远,其方差显然大于扩大区域。
其中,剩余区域中的随机区域的确定方法为:
(1)计算出剩余区域中的随机区域在剩余区域中的比例:
步骤五:使用掩模算法分别获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数;依次根据感兴趣区域、扩大区域及剩余区域中随机区域、剩余区域的其他区域的小波系数进行嵌入式零树小波编码,完成医疗图像压缩。
该步骤的目的是,根据划分区域的重要程度按顺序对图像进行编码压缩存储。
其中,医疗图像压缩的方法为:
采用嵌入式零树小波编码对整幅图像进行编码压缩。该算法会将图像中的重要信息先行编码,占据较高的码率,实现对图像重要信息的近似无损的恢复,次要信息会随后编码,实现次要区域的高效率压缩。
其中,图像中的区域如图2所示,区域1为感兴趣区域,区域2为扩大区域,区域3为剩余区域中的随机区域,区域4为剩余区域中的其他区域。
其中,使用掩模算法依次获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数,并按照小波系数进行嵌入式零树小波编码,步骤如下:
(1)获取感兴趣区域小波系数:当根据图像的小波系数重建图像时,每一个系数只对特定区域的图像有贡献,因此,要使图像ROI区域必背景区域具有更高的解码质量,就必须找出图像ROI区域有贡献的小波系数,而感兴趣区域掩模是可以指出哪些小波系数是ROI系数,对感兴趣区域标记后,在嵌入式零树小波编码对图像压缩编码时,优先将感兴趣区域的小波系数传入进去,优先进行编码,实现感兴趣区域的近似无损压缩编码;
(2)获取扩大区域的小波系数:算法对感兴趣区域实现近似无损编码后,要对扩大区域和剩余区域进行编码,此时由于嵌入式零树小波编码的特性,优先编码的部分保存的信息越多,解码时的图像质量越好。虽然已经实现了感兴趣区域的近似无损编码,但是扩大区域和剩余区域依然包含许多有用信息,贸然对其进行编码会使整体信息缺失,因此对两者进行相应的判断,有选择性的进行后续的压缩,本实施例再次通过掩模算法对扩大区域提取,得到其相应的小波系数,由此将扩大区域和剩余区域对应的小波系数分割开来;
(3)获取剩余区域中的随机区域的小波系数:在对扩大区域进行优先编码的过程中,随机将一部分剩余区域的小波系数插入进去,即剩余区域中的随机区域,进行优先编码,扩大区域的大小是固定的,作为感兴趣区域的扩大部分,其重要性显然要高于剩余区域,但是为了整幅图像的信息能够更好地呈现,所以在扩大区域优先的基础上,将剩余区域的一部分随机插入进去;
(4)最后根据剩余区域中的其他区域的小波系数对剩余区域中的其他区域进行编码。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于医疗图像存储的图像压缩方法,其特征在于,包括:
采集医疗影像图,提取出医疗影像图的感兴趣区域;
根据感兴趣区域的每个边缘像素点与其八邻域像素点的灰度差和方差得到感兴趣区域的每个边缘像素点的邻接性;
利用感兴趣区域每个边缘像素点的邻接性判断该边缘像素点是否需要扩大;
若边缘像素点需要扩大,则将该边缘像素点向外扩一个像素,将外扩后外相邻像素点作为新的边缘像素点;
获取新的边缘像素点的邻接性,利用该邻接性判断新的边缘像素点是否需要扩大,依次迭代,得到感兴趣区域的扩大区域;
利用扩大区域像素点灰度值和感兴趣区域像素点灰度值及剩余区域像素点灰度值得到扩大区域的联合方差和剩余区域的联合方差;
根据扩大区域的联合方差和剩余区域的联合方差计算出剩余区域中的随机区域所占的比例;
根据随机区域在剩余区域中所占的比例得到剩余区域中的随机区域;
使用掩模算法分别获取感兴趣区域、扩大区域及剩余区域中的随机区域、剩余区域中的其他区域的小波系数;
依次根据感兴趣区域、扩大区域及剩余区域中随机区域、剩余区域的其他区域的小波系数进行嵌入式零树小波编码,完成医疗图像压缩。
2.根据权利要求1所述的一种用于医疗图像存储的图像压缩方法,其特征在于,所述每个边缘像素点的邻接性的计算方法为:
计算边缘像素点的八邻域像素点的灰度值均值;
计算边缘像素点的八邻域像素点灰度值相对于灰度值均值的方差;
计算边缘像素点灰度值和八邻域像素点的灰度值均值的差值;
将差值和方差之和作为边缘像素点的邻接性。
4.根据权利要求1所述的一种用于医疗图像存储的图像压缩方法,其特征在于,判断边缘像素点是否需要扩大的具体方法如下:
若边缘像素点的邻接性小于等于邻接性阈值,则该边缘像素点为需要扩大的边缘像素点,否则该边缘像素点不需要扩大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436415.8A CN114531599B (zh) | 2022-04-25 | 2022-04-25 | 一种用于医疗图像存储的图像压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436415.8A CN114531599B (zh) | 2022-04-25 | 2022-04-25 | 一种用于医疗图像存储的图像压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114531599A true CN114531599A (zh) | 2022-05-24 |
CN114531599B CN114531599B (zh) | 2022-06-21 |
Family
ID=81627967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210436415.8A Active CN114531599B (zh) | 2022-04-25 | 2022-04-25 | 一种用于医疗图像存储的图像压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114531599B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116705250A (zh) * | 2023-06-07 | 2023-09-05 | 北京海上升科技有限公司 | 一种医疗影像大数据的低耗优化和智能存储方法及系统 |
CN117201800A (zh) * | 2023-09-12 | 2023-12-08 | 浙江建达科技股份有限公司 | 基于空间冗余的医疗检查大数据压缩存储系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256423B1 (en) * | 1998-09-18 | 2001-07-03 | Sarnoff Corporation | Intra-frame quantizer selection for video compression |
US20030067983A1 (en) * | 2001-10-08 | 2003-04-10 | Jin Soo Lee | Method for extracting object region |
US20080118118A1 (en) * | 2006-11-22 | 2008-05-22 | Ralf Berger | Method and Apparatus for Segmenting Images |
US20100119157A1 (en) * | 2007-07-20 | 2010-05-13 | Fujifilm Corporation | Image processing apparatus, image processing method and computer readable medium |
CN101945281A (zh) * | 2010-09-10 | 2011-01-12 | 中兴通讯股份有限公司 | 视频编码的滤波方法及装置 |
US20130027532A1 (en) * | 2011-07-29 | 2013-01-31 | Olympus Corporation | Image processing device, image processing method, and image processing program |
US20140347466A1 (en) * | 2012-02-08 | 2014-11-27 | Fuji Machine Mfg. Co., Ltd. | Image transmission method and image transmission apparatus |
CN104754340A (zh) * | 2015-03-09 | 2015-07-01 | 南京航空航天大学 | 一种无人机侦察图像压缩方法 |
CN109889841A (zh) * | 2019-03-28 | 2019-06-14 | 北京青燕祥云科技有限公司 | 图像压缩方法及装置 |
CN110784745A (zh) * | 2019-11-26 | 2020-02-11 | 科大讯飞股份有限公司 | 一种视频传输方法、装置、系统、设备及存储介质 |
WO2021164216A1 (zh) * | 2020-02-21 | 2021-08-26 | 华为技术有限公司 | 一种视频编码方法、装置、设备及介质 |
-
2022
- 2022-04-25 CN CN202210436415.8A patent/CN114531599B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256423B1 (en) * | 1998-09-18 | 2001-07-03 | Sarnoff Corporation | Intra-frame quantizer selection for video compression |
US20030067983A1 (en) * | 2001-10-08 | 2003-04-10 | Jin Soo Lee | Method for extracting object region |
US20080118118A1 (en) * | 2006-11-22 | 2008-05-22 | Ralf Berger | Method and Apparatus for Segmenting Images |
US20100119157A1 (en) * | 2007-07-20 | 2010-05-13 | Fujifilm Corporation | Image processing apparatus, image processing method and computer readable medium |
CN101945281A (zh) * | 2010-09-10 | 2011-01-12 | 中兴通讯股份有限公司 | 视频编码的滤波方法及装置 |
US20130027532A1 (en) * | 2011-07-29 | 2013-01-31 | Olympus Corporation | Image processing device, image processing method, and image processing program |
US20140347466A1 (en) * | 2012-02-08 | 2014-11-27 | Fuji Machine Mfg. Co., Ltd. | Image transmission method and image transmission apparatus |
CN104754340A (zh) * | 2015-03-09 | 2015-07-01 | 南京航空航天大学 | 一种无人机侦察图像压缩方法 |
CN109889841A (zh) * | 2019-03-28 | 2019-06-14 | 北京青燕祥云科技有限公司 | 图像压缩方法及装置 |
CN110784745A (zh) * | 2019-11-26 | 2020-02-11 | 科大讯飞股份有限公司 | 一种视频传输方法、装置、系统、设备及存储介质 |
WO2021164216A1 (zh) * | 2020-02-21 | 2021-08-26 | 华为技术有限公司 | 一种视频编码方法、装置、设备及介质 |
Non-Patent Citations (6)
Title |
---|
ZHOU WANG等: "Bitplane-by-bitplane shift (BbBShift) - A suggestion for JPEG2000 region of interest image coding", 《IEEE SIGNAL PROCESSING LETTERS》 * |
刘利章等: "基于改进EZW的感兴趣区域图像压缩算法仿真", 《计算机仿真》 * |
杜维涛等: "一种遥感图像多级感兴趣区域的压缩方法", 《计算机仿真》 * |
秦安等: "医学图像感兴趣区的内嵌小波编码新方法", 《计算机应用研究》 * |
陈军等: "基于零树结构的感兴趣区图像内嵌编码算法", 《西安电子科技大学学报》 * |
陈孔艳等: "基于两级感兴趣区域的乳腺X影像压缩", 《南京工程学院学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116705250A (zh) * | 2023-06-07 | 2023-09-05 | 北京海上升科技有限公司 | 一种医疗影像大数据的低耗优化和智能存储方法及系统 |
CN117201800A (zh) * | 2023-09-12 | 2023-12-08 | 浙江建达科技股份有限公司 | 基于空间冗余的医疗检查大数据压缩存储系统 |
CN117201800B (zh) * | 2023-09-12 | 2024-03-19 | 浙江建达科技股份有限公司 | 基于空间冗余的医疗检查大数据压缩存储系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114531599B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114531599B (zh) | 一种用于医疗图像存储的图像压缩方法 | |
CN108009975B (zh) | 基于二维直方图修改的jpeg图像可逆信息隐藏方法 | |
US6985632B2 (en) | Image processing system, image processing apparatus, and image processing method | |
KR101700310B1 (ko) | 하나 이상의 구성 요소들을 포함하는 3d 메시 모델을 인코딩/디코딩하는 방법 | |
US20100091981A1 (en) | Steganalysis of Suspect Media | |
CN107146222B (zh) | 基于人体解剖结构相似性的医学图像压缩方法 | |
CN112053408B (zh) | 基于深度学习的人脸图像压缩方法及装置 | |
CN116156196B (zh) | 一种用于视频数据的高效传输方法 | |
CN116912246B (zh) | 一种基于大数据的肿瘤ct数据处理方法 | |
CN116828210B (zh) | 一种用于矿下视频采集智能传输方法及系统 | |
CN113099067B (zh) | 基于像素值排序预测与菱形预测的可逆信息隐藏方法及系统 | |
WO2021103676A1 (zh) | 一种基于整数小波变换的自适应可逆信息隐藏方法 | |
US9268791B2 (en) | Method and apparatus for image processing and computer readable medium | |
Jallouli et al. | A preprocessing technique for improving the compression performance of JPEG 2000 for images with sparse or locally sparse histograms | |
CN112132158A (zh) | 一种基于自编码网络的可视化图片信息嵌入方法 | |
CN116452401A (zh) | 一种抗图像攻击的可逆鲁棒水印嵌入与提取模型构建方法 | |
KR101815979B1 (ko) | 3차원 메쉬 부호화 장치 및 방법, 그리고 3차원 메쉬 복호화 장치 및 방법 | |
CN107371026B (zh) | 一种视频数据多重压缩及重构方法 | |
CN114399419B (zh) | 基于预测误差扩展的可逆图像水印算法 | |
CN113721859B (zh) | 一种基于人工智能的图像重复数据删除方法 | |
JP3955910B2 (ja) | 画像信号処理方法 | |
CN110738592B (zh) | 基于多尺度分解与插值扩展的大容量可逆图像水印算法 | |
CN110827399A (zh) | 一种三维模型数据压缩方法及系统 | |
CN101627918A (zh) | Ct影像压缩方法和装置 | |
Altous et al. | Reduced reference image quality assessment for JPEG distortion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |