Loading article…
コンピュータサイエンスと情報理論において、セット冗長性圧縮は、セット（通常は類似した画像のセット）内の個々のデータグループ間の冗長性を活用するデータ圧縮方法です。医療画像や衛星画像で広く使用されています。 [1] [2] [3] [4]主な方法は、最小最大差分法、最小最大予測法、および重心法です。
方法
最小最大差
最小最大差分（またはMMD ）では、各位置（ピクセル）に対して最高値または最低値を選択します。そして、各画像には、以前に選択された値に対する各位置の差が保存されます。
参考文献
- ^ Karadimitriou, Kosmas (1996 年 8 月)、「セット冗長性、強化された圧縮モデル、および類似画像セットの圧縮方法」、CiteSeerX 10.1.1.35.7146、
類似画像間のこの統計的相関は、画像間冗長性の結果です。この研究では、このタイプの冗長情報を説明するために「セット冗長性」という用語が導入され、次のように定義されています。定義: セット冗長性とは、類似画像セット内に存在する画像間冗長性であり、セット内の複数の画像に見られる共通情報を指します。セット冗長性は、圧縮を改善するために使用できます。圧縮には、画像エントロピーによって制限が課せられます。次のセクションでは、セット冗長性を使用して類似画像セット内の平均画像エントロピーを減らす方法を示します。
ルイジアナ州立大学コンピュータサイエンス学部博士論文、米国ルイジアナ州バトンルージュ - ^ Ait-Aoudia, Samy; Gabis, Abdelhalim (2005-02-27)、「セット冗長性圧縮技術の比較」(PDF)、EURASIP Journal on Applied Signal Processing、2006 : 092734、Bibcode :2006EJASP2006..234A、doi : 10.1155/ASP/2006/92734 、 2012-09-28取得、
医療用画像処理アプリケーションでは、類似した画像が大量に生成されます。このような量のデータを保存するには、膨大なディスク容量が必要です。したがって、ストレージ容量を削減するには圧縮技術が必要です。さらに、診断では画像の忠実度が重要であるため、医療用画像は情報の損失なく保存する必要があります。これには、
ロスレス圧縮
技術が必要です。ロスレス圧縮はエラーのない圧縮です。従来の画像圧縮技術 ([1–5] を参照) は、個々の画像に存在する冗長性を削減する方法に重点を置いています。これらの圧縮技術では、図 1 に示すのと同じ圧縮モデルを使用します。このモデルでは、類似した画像のセットに存在する追加の冗長性である「セット冗長性」は無視されます。「セット冗長性」という用語は、Karadimitriou [6] によって初めて導入され、次のように定義されています。「セット冗長性とは、類似した画像のセットに存在する画像間の冗長性であり、セット内の複数の画像に共通する情報を指します。
- ^ Ait-Aoudia, Samy; Gabis, Abdelhalim; Naimi, Amina、「類似画像セットの圧縮」(PDF)、
これらの種類のデータを使用するアプリケーションでは、大量の類似画像が生成されます。したがって、圧縮技術は、転送時間とストレージ容量を削減するのに役立ちます。このような重要なアプリケーションでは、ロスレス圧縮方式が必要です。セット冗長圧縮 (SRC) 方式は、画像間の冗長性を活用し、類似画像のセットに適用した場合、個々の画像圧縮方式よりも優れた結果を実現します。
- ^ Karadimitriou, Kosmas; Tyler, John M. (1998)、「類似画像セットを圧縮するための重心法」、Pattern Recognition Letters、19 (7): 585–593、Bibcode :1998PaReL..19..585K、CiteSeerX 10.1.1.39.3248、doi :10.1016/S0167-8655(98)00033-6、
Karadimitriou (1996) は、類似画像セットを圧縮するためのより適切なモデルとして、拡張圧縮モデルを提案しました。[…] セット冗長性削減を実現する方法は、SRC (セット冗長性圧縮) 方法と呼ばれます。 SRC 法には、最小最大差分法 (Karadimitriou と Tyler、1996) と最小最大予測法 (Karadimitriou と Tyler、1997) の 2 つがあります。[…] SRC 法の最適な応用分野の 1 つは、医療用画像処理です。医療用画像データベースには通常、類似した画像が保存されるため、大量のセット冗長性が含まれます。