随着医学影像学、图像技术、计算机技术和网络通讯技术的发展，一种用于医学图像采集、存储、管理和传输的图像存档及通信系统（Picture Archiving & Communication System, PACS）应运而生，其目的是把从不同地点各种成像装置（包括X-射线成像、核医学成像、CT、MRI、B超等）产生的图像转换为标准的数字图像后，通过计算机网络传送到中央数据管理系统，再经计算机网络送至不同要求的显示工作站供放射科医生、病房医生以及其他医务人员调用。PACS不仅实现了医学图像管理的电子化（无胶片），而且提高了图像传送、检索、回放的效率，也实现了医学图像资料共享。由于医学图像数据的庞大，要确保图像信息的高效传输，必需对医学图像进行压缩编码；近年来，图像压缩技术取得了飞速发展，已出现了一些较成功的算法，但PACS中的图像压缩编码需要针对医学图像的特征及PACS应用的需要。因此，研究一种更适合PACS的图像编码算法，对医学图像的存储、高效传输和回放都具有非常重要的意义。首先，作者通过对小波变换理论和图像信号特征的分析研究，根据图像信号邻近像素的相关性提出了一种准对称边界延拓方法，并利用这种边界延拓方法，把二维离散小波变换用一维小波变换来实现。同时，在理论上证明了行的反向数据流的离散小波变换也是反向的、离散细节信号除反向外并改变符号的性质；并针对数据流的这种特征，利用双正交滤波器的对称性建立了一种实现二维离散小波变换的滤波器结构，使二维图像的小波分解更易于实现。其次，作者通过对小波高频子带图像系数分布直方图的分析研究，根据高频子带图像中绝大多数系数的幅度很小、幅度大的系数出现的几率很小的特点，提出了一种基于子带图像局部数据分布特征的自适应量化算法：先把高频子带图像分成较小尺度子块，子块系数离散性越大（偏差越大），采用精度越高的量化器；子块系数分布越集中，使用精度较低的量化器。另一方面，根据高频子带图像的分布特征和自适应量化结果，以及低频分析细节子带图像的系数分布和其在图像重构中的作用，论文提出了一种将JPEG编码和Huffman编码相结合的二维灰度图像的混合压缩编码算法。通过对该算法进行实际测试，结果表明：在同样尺度的分块模式下，中心偏差阈值越高，图像压缩比越高，但图像的信噪比越低；在同样的中心偏差阈值下，子块尺度越小，压缩图像的信噪比越高，但压缩比降低。最后，根据PACS的实际需求，作者对提出了基于混合压缩编码算法的多分辨率编码和感兴趣区域编码方案。前者是根据小波分解的多分辨率分析特点，对图像压缩时进行渐近迭代编码，在图像重构时也渐近迭代解码，以加快PACS中医学<WP=5>图像的回放速度。后者是针对医学图像不同区域价值不同的特点，对重要的病灶区域，尽可能多地保留细节，在重构时能不失真地恢复到原图像的水平；对非病灶的背景和周边区域，采用压缩比尽可能高的有损压缩，这样，在确保有用信息得到充分保证的前提下，也提高了医学图像的整体压缩比。归结起来，作者在本课题的研究中，通过二维图像小波子带图像的分析研究，提出了一种适合PACS的混合图像压缩编码算法，并研究了该算法在PACS中的应用——多分辨率编码和感兴趣区域编码，实验证明该算法有较高的压缩效率。当然，要把本文的图像压缩算法应用到实际的PACS医学图像处理中，还需对最优中心偏差阈值的选择以及和矢量量化结合进行研究。