Contributions en compression d’images médicales 3D et d’images naturelles 2D

Contributions in compression of 3D medical and 2D images

• Auteur / Autrice : Yann Gaudeau
• Direction : Jean-Marie Moureaux
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et génie informatique
• Date : Soutenance en 2006
• Etablissement(s) : Nancy 1
• Partenaire(s) de recherche : Autre partenaire : Université Henri Poincaré Nancy 1. Faculté des sciences et techniques

Mots clés

Mots clés contrôlés

Ondelettes

Qualité

Imagerie médicale

Compression d'images

Résumé

Dans ce manuscrit nous proposons une méthode de compression avec pertes basée sur une transformée en ondelettes 3D suivie d’une Quantification Vectorielle Algébrique avec Zone Morte 3D (QVAZM 3D) pour les images radiologiques. La principale contribution de ce travail réside dans la conception d'une zone morte multidimensionnelle qui permet de prendre en compte les corrélations entre les voxels voisins. Les résultats sur des images couramment utilisées montrent une supériorité visuelle et numérique de notre méthode par rapport à plusieurs des meilleurs codeurs. Ces résultats visuels sont confirmés sur des scanners ORL à travers une évaluation de deux spécialistes du domaine. La seconde contribution de cette thèse concerne l’évaluation de l'impact d'une compression avec pertes sur les performances d'un CAD performant pour la détection automatique de nodules pulmonaires. Ce travail original sur une population significative de 120 scanners de poumons a montré que la détection n'était pas détériorée par la compression jusqu'à un niveau de compression de 48 : 1. La dernière contribution de cette thèse traite de la réduction de la complexité de notre schéma de compression. Nous proposons deux méthodes d’allocations de débits. La première allocation consacrée à la QVAZM 2D s'appuie sur un ajustement des courbes débit-distorsion (R-D) en les approximant par un modèle exponentiel. La seconde allocation proposée pour les images naturelles 2D et médicales 3D utilise des modèles statistiques par blocs pour modéliser les courbes R-D. Ces modèles R-D s’appuient sur une modélisation de la distribution conjointe des vecteurs de coefficients d'ondelettes par un modèle MMGG.

In this thesis, we propose a new lossy coding scheme based on 3D Wavelet Transform and Dead Zone Lattice Vector Quantization 3D (DZLVQ) for medical images. Our algorithm has been evaluated on several CT an MR image volumes. The main contribution of this work is the design of a multidimensional dead zone which enables to take into account correlations between neighbor voxels. At high compression ratios, we show that it can outperform visually and numerically the best existing methods. These promising results are confirmed on head CT by two medical patriciansThe second contribution of this document assesses the effect lossy image compression on CAD (Computered-Aided Decision) detection performance of solid lung nodules. This work on 120 significant lungs MTCDT shows that detection did not suffer until 48:1 compression and still was robust at 96:1. The last contribution consists in the complexity reduction of our compression scheme. The first allocation dedicated to 2D DZLVQ uses an exponential of the rate-distortion (R-D) functions. The second allocation for 2D and 3D medical images is based on block statistical model to estimate the R-D curves. These R-D models are based on the joint distribution of wavelet vectors using a multidimensional mixture of generalized Gaussian (MMGG) densities.