Vector quantization of image subbands: a survey

Cosman, Pamela C.; Gray, Robert M.; Vetterli, Martin

doi:10.1109/83.480760

Cited by 152 publications

(56 citation statements)

References 141 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…El vector de cuantificación es extremadamente eficiente en compresión de regiones uniformes de una imagen (62). Además, esta técnica se usa comúnmente en la compresión de imágenes de mamografía, puesto que permite la detección y clasificación de las anormalidades presentes en este tipo de imágenes (63,64).…”

Section: Cuantificaciónunclassified

Compresión de imágenes médicas

Noreña

Romero

2012

biomedica

View full text Add to dashboard Cite

Contribución de los autores:Ambos autores participaron en la recopilación, unificación y síntesis de los antecedentes más destacados en el área de la compresión, mediante la discusión de la información publicada sobre el tema. Además, estructuraron las metodologías ya existentes para la compresión de imágenes médicas, aportando un guía base para las personas que desean introducirse en el área. La medicina moderna es una actividad cada vez más compleja, basada en la información proveniente de múltiples fuentes: historias clínicas, dictáfonos e imágenes y vídeos provenientes de múltiples dispositivos. Las imágenes médicas constituyen una de las fuentes de mayor importancia, por cuanto ofrecen un apoyo integral del acto médico: el diagnóstico y el seguimiento. Sin embargo, la cantidad de información generada por los dispositivos de adquisición de imágenes sobrepasa rápidamente la disponibilidad de almacenamiento que tienen los servicios de radiología, lo cual genera costos adicionales en equipos de cómputo con mayor capacidad de almacenamiento. Además, la tendencia actual de desarrollo de aplicaciones en la "nube de cómputo", tiene limitaciones por cuanto, aunque el almacenamiento es virtual y está disponible desde cualquier sitio, la conexión se hace a través de internet. En estos dos casos, el uso óptimo de la información requiere necesariamente de algoritmos de compresión potentes y adaptados a las necesidades de la actividad médica. En este artículo se presenta una revisión de las técnicas de compresión más utilizadas para el almacenamiento de imágenes, así como un análisis crítico de éstas desde el punto de vista de su uso en ambientes clínicos. REVISIÓN DE TEMAPalabras clave: procesamiento de imagen asistida por computador, compresión de datos, metodologías computacionales.doi: http://dx.doi.org/10.7705/biomedica.v33i1.804 Medical image compression: a reviewModern medicine is an increasingly complex activity, based on the evidence; it consists of information from multiple sources: medical record text, sound recordings, images and videos generated by a large number of devices. Medical imaging is one of the most important sources of information since they offer comprehensive support of medical procedures for diagnosis and follow-up. However, the amount of information generated by image capturing gadgets quickly exceeds storage availability in radiology services, generating additional costs in devices with greater storage capacity. Besides, the current trend of developing applications in cloud computing has limitations, even though virtual storage is available from anywhere, connections are made through internet. In these scenarios the optimal use of information necessarily requires powerful compression algorithms adapted to medical activity needs. In this paper we present a review of compression techniques used for image storage, and a critical analysis of them from the point of view of their use in clinical settings. Las imágenes médicas son hoy en día parte fundamental de la exploración diagnóstica de un paci...

show abstract

Section: Cuantificaciónunclassified

Compresión de imágenes médicas

Noreña

Romero

2012

biomedica

View full text Add to dashboard Cite

show abstract

“…In data compression and coding, the use of sub band decomposition has been extensively used [1]. Crochiere et al [2] was the first to propose sub band coding for medium bandwidth waveform coding of speech signals.…”

Section: Introductionmentioning

confidence: 99%

Neuro-Wavelet based Efficient Image Compression using Vector Quantization

Singh¹,

K²

2012

IJCA

View full text Add to dashboard Cite

In the last few decades, Digital image compression has received significant attention of researchers. Recently, based on wavelets there has been many compression algorithms. In comparison to other compression techniques, image compression using wavelet based algorithms lead to high compression ratios. In this paper, we have proposed a image compression algorithm which combines the feature of both wavelet transform and Radial Basis Function Neural Network along with vector quantization. First the images are decomposed into a set of subbands having different resolution with respect to different frequency bands using wavelet filters. Based on their statistical properties, different coding and quantization techniques are employed. The Differential Pulse Code Modulation (DPCM) is used to compress the low frequency band coefficients and Radial Basis Function Neural Network (RBFNN) is used to compress the high frequency band coefficients. The hidden layer coefficients of RBFNN subsequently are vector quantized so that without much degradation of the reconstructed image, the compression ratio can be increased. In terms of peak signal to noise ratio (PSNR) and computation time (CT), a large compression ratio has been achieved with satisfactory reconstructed images in relation to the existing methods by using the proposed technique.

show abstract

“…VQ has received a great attention in the field of multimedia data compression [3][4][5] since last few decades because it has simple decoding structure and can provide high compression ratio. In order to compress the image using VQ, initially image is decomposed into nonoverlapping sub image blocks, also termed as vectors.…”

Section: Introductionmentioning

confidence: 99%