研究目的
提出并展示一种在JPEG压缩域内直接对视网膜图像进行边缘增强的新技术，无需解压和重压缩，从而在保持图像质量的同时提高计算效率。
研究成果
所提出的方法成功地在JPEG压缩域内直接增强视网膜图像，其生成的结果质量与空间域增强相似，但计算时间显著缩短。该方法避免了图像的解压和再压缩过程，使其在大规模医学图像处理中具有高效性。未来的工作可将其扩展至其他医学成像领域及压缩格式。
研究不足
性能指标（均方误差MSE、峰值信噪比PSNR、结构相似性SSIM）是在解压至空间域后测量的，因为压缩数据的原始真值不可直接获取。该方法专用于JPEG压缩格式，可能不适用于其他格式。本研究仅聚焦于视网膜图像；对其他医学图像类型的适用性尚未验证，但建议作为未来研究方向。
1：实验设计与方法选择：
本研究采用一种新颖的基于边缘的增强技术，直接应用于JPEG压缩域。该方法通过部分霍夫曼解码提取DCT系数，随后在DCT域使用可分离滤波核（3×3、5×5、7×7）进行低通滤波，并从原始系数中减去以获得高通滤波（边缘增强）图像。由于滤波核的可分离性，该方法利用矩阵乘法实现滤波。
2：5×7×7）进行低通滤波，并从原始系数中减去以获得高通滤波（边缘增强）图像。由于滤波核的可分离性，该方法利用矩阵乘法实现滤波。 样本选择与数据来源：
2. 样本选择与数据来源：使用公开可用的视网膜图像数据集DRIVE（40张JPEG图像，560×560像素）和DIARETDB1（89张JPEG图像，1496×1496像素）。这些数据集包含来自糖尿病视网膜病变筛查计划的图像。
3：实验设备与材料清单：
未提及特定设备或材料；研究依赖计算方法和标准数据集。
4：实验流程与操作步骤：
输入压缩JPEG图像；部分解码提取DCT系数。通过在DCT域使用前后矩阵进行低通滤波。高通滤波通过从原始系数中减去低通结果实现。如需可视化增强图像可使用IDCT，但机器分析直接使用DCT系数。
5：数据分析方法：
使用MSE、PSNR和SSIM指标评估增强图像与原始图像的性能。测量空间域和压缩域处理的计算时间。统计分析包括平均值和速度增益计算。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
JPEG
Joint Photographic Experts Group
Compression format used for medical images to enable efficient storage and transmission.
-
DCT
Discrete Cosine Transform used in JPEG compression to convert spatial domain images to frequency domain for processing.
-
Low Pass Filter
3x3, 5x5, 7x7 kernels
Used for filtering in the DCT domain to achieve edge enhancement by subtracting from original coefficients.
-
DRIVE dataset
Publicly available retinal image dataset used for validation of the enhancement technique.
-
DIARETDB1 dataset
Publicly available retinal image dataset used for validation of the enhancement technique.
-
登录查看剩余3件设备及参数对照表
查看全部
