基于門控線性網絡（GLN） 的無損圖像壓縮

本項目的目標是通過引入無損高壓縮比圖像壓縮來使醫療數據存儲系統更加高效。

介紹

實現基于門控線性網絡（GLN）的高壓縮比無損醫學圖像壓縮算法，以提高醫學圖像存儲和分發系統的效率。與“傳統”的基于上下文的數據壓縮算法相比，基于GLN的系統使用一組不同的上下文模型。所有上下文模型的輸出由 GLN 組合成單個概率值，用作熵編碼算法的輸入值。這個想法是由 Matt Mahoney 提出的，他發起了 PAQ Archiver 系列的開發。 PAQ Archiver在衡量無損壓縮算法壓縮率的多個基準測試中均名列前茅。

研究科學家 Joel Veness（Google DeepMind）解釋了 PAQ Archiver系列的經驗成功。 Joel Veness 介紹并描述了 GLN 的架構，并指出 PAQ 算法是該框架的特例。

據我們所知，基于 GLN 的壓縮算法在嵌入式系統中的實現尚未在文獻和任何商業系統中出現。與“傳統”無損圖像壓縮算法（例如 JPEG-LS 和 JPEG-2000）相比，基于 GLN 的壓縮系統的優勢在于提高了壓縮率。基于 GLN 的壓縮系統的壓縮率可能至少高出 20%。因此，理論上可以增加20%的醫學圖像存儲量。面臨的挑戰是實現基于 GLN 的壓縮以及適合實際系統的吞吐量。

有關 GLN 的更深入描述可在以下來源中找到：

1）https://arxiv.org/abs/1712.01897；

2）https://arxiv.org/abs/2002.11611；

3）https://ieeexplore.ieee.org/abstract/document/9134252

有關 PAQ 系列的更深入描述可在以下來源中找到：

1）http://mattmahoney.net/dc/dce.html；

2） https://arxiv.org/abs/1108.3298；

下圖是圖像壓縮/解壓縮的數據流。

項目使用

通過Python腳本與FPGA板卡進行通信。將圖像傳輸到板卡上。

開源項目中下載壓縮的 Vivado 項目文件。解壓并編譯。下載bit流到FPGA中，打開 PC 并啟動 Python 腳本。

審核編輯：黃飛