فشرده سازی تصاویر ماموگرافی با استفاده از روشهای پیشگویی

امروزه متاسفانه بیماری سرطان از آن دسته بیماری‏هایی است که جان انسان را تهدید می کند. تشخیص زود‏ هنگام و نیز تلاش برای جلوگیری از پیشرفت بیماری امری بسیار ضروری بوده و حتی در مواقعی زمان زنده ماندن بیمار را تا حد زیادی افزایش می دهد. یکی از رایجترین سرطان‏ها در بین بانوان، سرطان سینه می باشد که پس از سرطان ریه دومین عامل مرگ ومیر است. تشخیص زود هنگام و درمان بموقع با در نظر گرفتن رشد تعداد افرادی که مبتلا به این نوع سرطان می شوند، اهمیت بیشتری پیدا می کند. در این میان ماموگرافی یکی از روش‏های موثر تشخیص زود هنگام سرطان سینه است. بنابراین تلاش برای توسعه و بهبود ماموگرافی و افزایش تاثیر آن در کاهش خطرات ناشی از این نوع سرطان، امری اجتناب‏ناپذیر است. با پدیدار شدن ماموگرافی دیجیتال و نیز ارسال تصاویر از طریق شبکه، امکان بررسی تصویر توسط چند پزشک و همچنین مشورت متخصصین و استفاده از نظر آن‏ها، فراهم شده است. این امر باعث می شود تصمیم پزشک در مورد بیمار تا حد زیادی ارتقاءیافته و از وجود خطاهای احتمالی تا حد ممکن جلوگیری کند. برای ارسال اینگونه تصاویر نیاز به فشرده‏سازی می باشد. فشرده سازی تصاویر دیجیتال از جمله زمینه‏های پر کاربرد و پر طرفدار در علم پزشکی است. از طرفی فشرده‏سازی تصاویر ماموگرافی با در نظر گرفتن حجم بالای اینگونه تصاویر ونیز نیاز به بازیابی کامل اطلاعات فشرده شده، بسیار حائز اهمیت است. با در نظر گرفتن این امر تلاش محققان در زمینه فشرده‏سازی بدون اتلاف، از سال‏های پیش آغاز شده و هم‏اکنون نیز ادامه دارد. در این پایان‏نامه چندین روش مناسب برای فشرده‏سازی بدون اتلاف تصاویر ارائه شده است. روش‏های اولیه از روش‏های مبتنی بر پیشگویی بوده و با توجه به تشخیص مناسب لبه‏ و مناطق هموار, مقادیر واقعیتری نسبت به روش‏های ارائه شده قبلی پیشگویی می‏کنند. نتایج آن‏ها با روش‏های پیشگویی معروف med, gap و alcm مقایسه شده و نشان از برتری روش‏های ارائه شده دارد. در ادامه روش فشرده‏سازی با استفاده از مدلسازی زمینه ارائه شده است. در این روش از پارامترهای متعدد تصویر برای تعریف زمینه مناسب استفاده شده است. روش پیشنهادی از لحاظ سادگی و نتایج مناسب با استانداردهای jpeg-ls و jpeg2000 قابل رقابت می باشد.