Fast Intra and Inter Prediction Mode Decision of H.264/AVC for Medical Image Compression Based on Region of Interest

انتخاب حالت پيش‌بيني درون و بين فريمي در H.264/AVC براي فشرده‌سازي تصوير پزشكي بر اساس ناحيه مورد علاقه

هدف اين مقاله به كار گرفتن H.264 در كاربردهاي فشرده‌سازي ويديويي پزشكي و بهبود عملكرد آن با كيفيت بصري بالاتر و پيچيدگي كدگذاري كمتر است. جهت اين امر ما يك مدل جديد ناحيه‌ي مورد علاقه بر اساس H.264/AVC را پيشنهاد مي‌دهيم كه فشرده‌سازي بدون اتلاف را براي نواحي مورد علاقه، و فشرده‌سازي با اتلاف با نرخ بالا را براي ساير نواحي به كار مي‌برد. اين مقاله يك روش جديد براي دستيابي به پيش‌بيني سريع درون و بين فريمي ارايه مي‌دهد كه بر اساس ماكروبلاكهاي بزرگ‌تر براي پس‌زمينه و ماكروبلاكهاي كوچك‌تر براي ناحيه‌ي مورد علاقه عمل مي‌كند. همچنين ماكروبلاك‌هاي پس‌زمينه با بزرگترين ضريب كوانتيزاسيون ممكن در H.264/AVC جهت به دست آوردن حداكثر ضرايب صفر كدگذاري مي‌شوند. نتايج تجربي نشان مي‌دهند كه الگوريتم پيشنهادي به نرخ فشرده‌سازي بالاتر ويديوهاي پزشكي با كيفيت برتر ناحيه‌ي مورد علاقه ضمن پيچيدگي كمتر كدگذاري در مقايسه با الگوريتم قبلي ما و ساير استانداردهاي موجود دست مي‌يابد.

Abstract: This paper aims at applying H.264 in medical video compression applications and improving the H.264 Compression performance with better perceptual quality and low coding complexity. In order to achieve higher compression of medical video, while maintaining high image quality in the region of interest, with low coding complexity, here we propose a new model using H.264/AVC that uses lossless compression in the region of interest, and very high rate, lossy compression in other regions. This paper proposes a new method to achieve fast intra and inter prediction mode decision that is based on coarse macroblocks for intra and inter prediction mode decision of the background region and finer macroblocks for region of interest. Also the macroblocks of the background region are encoded with the maximum quantization parameter allowed by H.264/AVC in order to maximize the number of null coefficients. Experimental results show that the proposed algorithm achieves a higher compression rate on medical videos with a higher quality of region of interest with low coding complexity when compared to our previous algorithm and other standard algorithms reported in the literature.