| Popis: |
IV ÖZET Bazı bilim dallarında görüntünün işlenip bilgisayarda saklanması gerekmektedir. Oysa 256x256 piksel çözünürlüğe sahip bir görüntünün hiç işlenmeden saklanması için hafızada 65536 byte' lık yere ihtiyaç vardır. Bu da özellikle çok resim saklanması gerektiren durumlarda ciddi bellek problemi oluşturur. Bu problemi ortadan kaldırmak için değişik görüntü sıkıştırma teknikleri geliştirilmiştir. Bu tezde, günümüzde en çok kullanılan görüntü sıkıştırma teknikleri incelenmiştir. Bunlardan Run-Length coding ' in az bir sıkıştırma gerektiren uygulamalarda başarılı olduğu gözlenmiştir. Sıkıştırma oranını arttırdığımızda bu algoritmanın başarısız olup, sonuçta oluşan uzun yatay çizgilerin resmi anlaşılmaz hale getirdiği tespit edilmiştir. Ayrık Fourier ve Kosinüs Transform görüntü sıkıştırma teknikleri birçok sıkıştırma oranında daha başarılı sonuç veren yöntemlerdir. Son zamanlarda sıkça kullanılan bir diğer sıkıştırma tekniği ise vektör kuantalamadır. Bu teknikte resim sabit büyüklükte bloklara ayrılır. Tüm bloklar bir eğitime tabi tutulup sonuçta resmi temsil edebilecek bir vektör grubu oluşturulur. Bu vektör grubu yardımıyla sıkıştırma yapıldığında sonuçta elde edilecek resmin orjinal resme yakınlığı göze çarpmıştır. Vektör kuantalamanın ileri bir versiyonu olan HByerarşik vektör kuantalama yönteminde, resim, boyutları birbirinden farklı bloklara ayrılıp herbir blok grubu için ayrı eğitme işlemi yapılır. Sonuçta elde edilen herbir vektör grubu yardımıyla resim kodlanır. Bu yöntemin özellikle resimde çok boş alan olan uygulamalarda mükemmel bir sonuç verdiği gözlenmiştir. Bu çalışmada Hiyerarşik vektör kuantalama algoritması değişik biyomedikal görüntüler üzerinde denenmiştir (MRI ve BT görüntüleri). Bu algoritmada kullanılan blok büyüklüklerideğişkendir. Renk tonu değişiminin az olduğu bölgelerde büyük bloklar kullanılıp yüksek sıkıştırma, renk tonu değişiminin fazla olduğu bölgelerde ise küçük bloklar kullanılıp düşük bir sıkıştırma elde edilmiştir. Tüm biyomedikal görüntülerde fon, geniş bir yer kaplayıp sabit bir renk tonuna sahiptir. Bu yüzden bu algoritmanın biyomedikal görüntüler için uygun olduğu görülür. Sonuçta Hiyerarşik Vektör Kuantalama algoritması MRI ve BT görüntülerine uygulanıp çok yüksek sıkıştırma oranlarında çok düşük ortalama karesel hatalar elde edildi Bundan başka bu algoritmanın şu ana kadar biyomedikal görüntüler üzerinde uygulanan diğer algoritmalardan daha iyi olduğu gözlendi. ABSTRACT In some science branches it is required that images are processed and stored into memory. However, 65536 byte of memory is required for an image of 256x256 pixel size to be stored without any processing. This causes serious memory problem if we have lots of images to be stored. In order to overcome this problem different image compression techniques are used. In this thesis, the most popular image compression techniques of nowadays were investigated. It is seen that Run-Length Coding Algorithm is successful at low compression ratios. If the compression ratio is increased the algorithm becomes unsuccessful, and horizontal lines, which are undesired covers the image. The Discrete Fourier Transform and the Discrete Cosine Transform are better than Run-Length algorithm at many different compression rates. Nowadays, the other mostly used compression technique is the Vector Quantization. In this technique, the image is divided into blocks of small images. AH blocks are entered into a training algorithm. Using this training algorithm, a codebook which can represent the image is obtained. The compression is achieved by using this codebook. By using this codebook at the reconstruction process, the image becomes very close to the original image. The Hierarchical Finite State Vector Quantization (HFSVQ) is improved version of Vector Quantization technique. In this technique, the image is divided into blocks of different sizes. Training algorithm is applied to the each block of group. By using the codebook the compression process is achieved. It is noticed that this algorithm has perfect results when the original image has large areas of constant gray level. In this thesis HFSVQ algorithm was applied on different biomedical images (MRI and BT images). In this algorithm the sizes of the blocks change. Large blocks were used toİİİ represent the low contrast area of the image so high compression ratios were obtained. Small blocks were used to represent the high contrast area of the image so low compression ratios were obtained. Since the backgrounds of all the biomedical images have large areas of constant gray level, it is seen that HFSVQ algorithm is very suitable for biomedical images. Finally, HFSVQ algorithm was applied on different MRI and BT images and very low mean square errors were obtained at high compression ratios. It is seen that HFSVQ algorithm which is used to compress the biomedical images is better than mostly other techniques which have been used so far. 62 |
