This paper is about a novel representation based on lossless encoding for medical images. It relies on directional codes for efficient storage and transmission. Image compression is a recent research, where removal or elimination of redundant information is carried out in an image. In this paper, for medical image compression, an edge- and texture-based entropy coding is presented. The proposed work is partitioned into two stages. In the first stage, a novel lossless hex-directional chain code or chain code 16 (C16) boundary representation approach is applied for edge encoding. In this C16 method, a set of pixels are connected along the edge of an image based on the direction code. Eliminating redundant information and retaining the topological information is the basic idea of chain code. It concerns the shape and the structure of the object which helps in preserving the quality of an image. In the second stage, predictor-based entropy coding is applied for adopting texture feature as a basic primitive. Finally, the outcome of the two stages is provided to the entropy coder for attaining compression. The proposed method is tested with standard benchmark chain code dataset and medical image datasets for various modalities of different sizes. Performance metrics such as compression ratio (%), encoding time and mean square error are used to evaluate the proposed technique. From the results attained, it is evident that the proposed technique results in better compression performance when compared to the existing methods.

本文是关于基于无损编码的医学图像的一种新颖表示形式。它依靠方向码进行有效的存储和传输。图像压缩是最近的研究，其中在图像中进行冗余信息的去除或消除。在本文中，对于医学图像压缩，提出了一种基于边缘和纹理的熵编码。拟议的工作分为两个阶段。在第一阶段，将新颖的无损十六进制链码或链码16（C16）边界表示方法应用于边缘编码。在这种C16方法中，一组像素基于方向码沿图像的边缘连接。消除冗余信息并保留拓扑信息是链码的基本思想。它涉及物体的形状和结构，这有助于保持图像的质量。在第二阶段，基于预测器的熵编码被用于采用纹理特征作为基本图元。最后，将这两个阶段的结果提供给熵编码器以获得压缩。针对不同大小的各种模态，使用标准基准链代码数据集和医学图像数据集对提出的方法进行了测试。性能指标如压缩率（％），编码时间和均方误差用于评估所提出的技术。从获得的结果来看，很明显，与现有方法相比，所提出的技术具有更好的压缩性能。基于预测器的熵编码被用于采用纹理特征作为基本图元。最后，将这两个阶段的结果提供给熵编码器以获得压缩。针对不同大小的各种模态，使用标准基准链代码数据集和医学图像数据集对提出的方法进行了测试。性能指标如压缩率（％），编码时间和均方误差用于评估所提出的技术。从获得的结果来看，很明显，与现有方法相比，所提出的技术具有更好的压缩性能。基于预测器的熵编码被用于采用纹理特征作为基本图元。最后，将这两个阶段的结果提供给熵编码器以获得压缩。针对不同大小的各种模态，使用标准基准链代码数据集和医学图像数据集对提出的方法进行了测试。性能指标如压缩率（％），编码时间和均方误差用于评估所提出的技术。从获得的结果来看，很明显，与现有方法相比，所提出的技术具有更好的压缩性能。针对不同大小的各种模态，使用标准基准链代码数据集和医学图像数据集对提出的方法进行了测试。性能指标如压缩率（％），编码时间和均方误差用于评估所提出的技术。从获得的结果来看，很明显，与现有方法相比，所提出的技术具有更好的压缩性能。针对不同大小的各种模态，使用标准基准链代码数据集和医学图像数据集对提出的方法进行了测试。性能指标如压缩率（％），编码时间和均方误差用于评估所提出的技术。从获得的结果来看，很明显，与现有方法相比，所提出的技术具有更好的压缩性能。