1、隨著科學技術的發(fā)展，數字圖像的使用十分廣泛，數據量越來越龐大，導致現有存儲介質消耗巨大，并使數據的傳輸變得困難。為了實現圖像的存儲和傳輸，圖像壓縮成為很關鍵的一項技術。對于醫(yī)學圖像來說，醫(yī)生關注的只是病變部位區(qū)域，因此可在整幅圖片中指定一塊感興趣區(qū)域，基于此對不同區(qū)域采用不同的壓縮方法。邊緣是圖像本質特征之一，一幅數字圖像就相當于一個數字信息庫，大部分的信息是由圖像的輪廓所提供的。對細胞圖像進行邊緣檢測在醫(yī)學實際應用方面具有重要意義。<

2、br>　　 本文將小波變換、形態(tài)學、脈沖耦合神經網絡、蟻群算法等應用于圖像處理技術中，并針對具體的醫(yī)學圖像研究具體的處理方案。本文主要的研究內容包括以下幾個方面：
　　 1、研究了一種基于提升小波和PCNN的醫(yī)學圖像ROI壓縮方法
　　 以醫(yī)學圖像為對象，研究一種對病理區(qū)，即感興趣區(qū)域(ROI)進行無損壓縮，對背景區(qū)，即非感興趣區(qū)域進行有損壓縮的算法。提出了一種基于整數提升小波和脈沖耦合神經網絡(PCNN)的醫(yī)學圖像壓

3、縮算法，該算法首先由人工將感興趣區(qū)域選取出來，用差影法分割，再對感興趣區(qū)域進行整數5/3提升小波適形變換后，進行哈夫曼編碼；對非感興趣區(qū)域先通過PCNN分割出灰度值相近的區(qū)域，再進行游程編碼。最后用線性插值消除復原圖像邊界不連續(xù)問題。與原圖像比較，復原圖像感興趣區(qū)域沒有失真，病理細節(jié)完全保留。實現了一種獲得較高壓縮比的同時在感興趣區(qū)域無失真的圖像壓縮算法。
　　 2、研究了一種基于改進型PCNN分割的圖像壓縮方法
　　

4、結合人類視覺特性，研究一種先利用改進型脈沖耦合神經網絡(PCNN)對圖像進行分割，再對分割后的區(qū)域進行不同壓縮的算法。該算法先用改進型PCNN完全自適應分割，將圖像按人眼感興趣的程度分為高信息區(qū)域和低信息區(qū)域，用掩膜來區(qū)分，通過提升小波變換后分別進行SPIHT編碼，通過對編碼比特流的控制達到不同區(qū)域圖像質量和壓縮比的合理協(xié)調。再逆變換復原圖像，與原圖像比較，復原圖像在人眼咸興趣區(qū)域失真很小。實驗結果表明，本文實現了較高壓縮比，且同時壓縮

5、后重建圖像整體上的高視覺質量。
　　 3、研究了基于形態(tài)學、PCNN和改進型蟻群算法的醫(yī)學細胞邊緣檢測方法
　　 根據醫(yī)學細胞圖像邊緣灰度級梯度較大，細胞噪聲點多的特性，結合形態(tài)學能夠有效去噪，提取圖像特征點的優(yōu)點，提出一種基于形態(tài)學、PCNN和改進型蟻群算法的醫(yī)學細胞邊緣檢測方法。該方法先用改進形態(tài)學進行了圖像去噪和邊緣加強，再用PCNN自動波按照細胞邊緣進行圖像分割，最后用改進型蟻群算法進行邊緣檢測。對比實驗表明，本