基于改進(jìn)SPIHT算法的醫(yī)學(xué)圖像無(wú)損壓縮的研究.pdf

1、隨著多媒體技術(shù)的不斷發(fā)展,數(shù)字圖像和視頻數(shù)據(jù)呈海量增長(zhǎng)。很多包含圖像、視頻數(shù)據(jù)的文件經(jīng)常需要在不同用戶和系統(tǒng)間互相交換,這就需要用有效的方法來(lái)存儲(chǔ)及傳遞這些大量文件。壓縮是其中不可回避的關(guān)鍵技術(shù),因此對(duì)圖像編碼技術(shù)的要求也越來(lái)越高。有損壓縮方法雖然能夠獲得較高的壓縮比,但因缺乏完全恢復(fù)原始圖像能力,導(dǎo)致醫(yī)學(xué)圖像中有用的細(xì)節(jié)信息丟失而帶來(lái)診斷上的困難或法律上的糾紛。因此,醫(yī)學(xué)圖像壓縮編碼算法主要集中在對(duì)無(wú)損壓縮技術(shù)的研究。
　　

2、小波理論是近年發(fā)展起來(lái)的新的數(shù)學(xué)分支,因其良好的空間-頻率局部特性和與人眼視覺(jué)特性相符的變換機(jī)制,成為當(dāng)前圖像壓縮編碼的主要研究方向之一。該方法是繼傅立葉變換和離散余弦變換后的一種新的圖像壓縮算法,它將圖像分解成為與人類視覺(jué)特性相匹配的不同分辨率、不同方向特性的子帶,并將能量集中于某些子帶,利于編碼,且對(duì)整幅圖進(jìn)行變換,比傳統(tǒng)余弦變換編碼有很大提高。傳統(tǒng)的基于小波變換的圖像壓縮編碼中,變換后的小波系數(shù)是浮點(diǎn)型的,量化過(guò)程中由于計(jì)算機(jī)的浮

3、點(diǎn)舍入誤差運(yùn)算必然產(chǎn)生不同程度的失真,因此不能直接用于圖像的無(wú)損重構(gòu)。1994年,Sweldens提出了一種新的小波構(gòu)造方法——提升方法。這種小波變換構(gòu)造方法繼承了傳統(tǒng)小波變換的多分辨率的特點(diǎn),不依賴于傅里葉變換,小波變換后的系數(shù)是整數(shù)。Sweldens已經(jīng)證明在提升的基礎(chǔ)上可以進(jìn)行整數(shù)集到整數(shù)集的小波變換,從而可以實(shí)現(xiàn)圖像的無(wú)損壓縮。
　　 許多學(xué)者在利用小波變換進(jìn)行圖像壓縮方面做了大量工作,并取得了相當(dāng)大的成果,其中Shap

4、rio的嵌入式零樹小波(EZW)編碼方法、SPIHT算法等都是最有影響的小波圖像編碼法。1993年,J.M.Shapiro利用小波系數(shù)之間的自相關(guān)性,提出了嵌入式零樹編碼算法[2](Embedded Zerotree Wavelet,EZW)。EZW有很好的均方誤差性能,適中的復(fù)雜度和嵌入式位流,引起了壓縮研究界的興趣。1996年,由A.Said和W.A.Pearlman提出的多級(jí)樹集合分裂算法[3](SetPartitioning i

5、n Hierarchical Tree,SPIHT)是對(duì)EZW算法的改進(jìn),但是具有更高的壓縮效率,在相同比特率下,即使不需要熵編碼環(huán)節(jié),SPIHT也總能取得優(yōu)于EZW的量化性能。SPIHT被稱為第二代嵌入式圖像編碼,嵌入式編碼的基本原理是編碼器將待編碼的比特流按重要性的不同進(jìn)行排序,根據(jù)目標(biāo)碼率和失真度的要求,通過(guò)監(jiān)視編碼的一些參數(shù),隨時(shí)可以截?cái)啾忍亓?結(jié)束編碼；同樣,對(duì)于給定碼流解碼器也能夠隨時(shí)結(jié)束解碼,并可以得到相應(yīng)重建圖像。與傳統(tǒng)

6、的基于DCT的圖像編碼相比,能有效地克服塊效應(yīng),即使在低比特率時(shí)也能夠恢復(fù)出較好的圖像,所以嵌入式編碼在網(wǎng)絡(luò)、無(wú)線傳輸中有廣泛的應(yīng)用前景。
　　 四維醫(yī)學(xué)圖像(Four Dimensional Medical Images)是由三維醫(yī)學(xué)圖像(體數(shù)據(jù),Volumn Data)按時(shí)間順序排列而成的,即在三維斷層成像坐標(biāo)基礎(chǔ)上再增加一維時(shí)間變量,它產(chǎn)生于各類大型數(shù)字化醫(yī)療成像設(shè)備,如64排CT、fMRI、PET、3-D超聲和C型臂數(shù)字

7、減影機(jī)等。4D醫(yī)學(xué)圖像為臨床醫(yī)學(xué)提供了立體、動(dòng)態(tài)、縱深等多層面全方位的影像診斷模式。它在治療過(guò)程規(guī)劃、輔助心血管介入外科手術(shù)(DSA)及大腦活動(dòng)功能的定量分析(fMRI)等領(lǐng)域上發(fā)揮重要作用。雖然計(jì)算機(jī)存貯硬件設(shè)備性價(jià)比不斷提高和網(wǎng)絡(luò)通信帶寬不斷加大,但是4D醫(yī)學(xué)圖像數(shù)據(jù)量仍呈指數(shù)型增長(zhǎng),因此,如何全面而高效地利用有限存儲(chǔ)空間與網(wǎng)絡(luò)通信帶寬仍依賴于醫(yī)學(xué)圖像壓縮方法研究。本文在3D-SPIHT編碼的基礎(chǔ)上,提出基于不對(duì)稱小波樹的分方向4D

8、—SPIHT編碼算法,通過(guò)構(gòu)造4維不對(duì)稱小波樹結(jié)構(gòu),使得每一維上的小波分解級(jí)數(shù)可以靈活選擇；根據(jù)小波樹特點(diǎn),將各小波頻帶按方向獨(dú)立進(jìn)行SPIHT編碼,從而加快編碼速度。實(shí)驗(yàn)結(jié)果表明,該算法能較有效地去除三維體數(shù)據(jù)之間的相關(guān)性,在不明顯增加算法復(fù)雜度的基礎(chǔ)上,提高壓縮性能和編碼效率。
　　 在實(shí)際應(yīng)用中,有時(shí)人們往往對(duì)圖像中的某些部分感興趣,它們一般對(duì)應(yīng)于圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域,這些區(qū)域常稱為前景或感興趣區(qū)域(Regio

9、n of Interest,ROI),其余部分稱為背景(Back Ground,BG)。醫(yī)學(xué)圖像中的病灶區(qū)通常稱為感興趣區(qū)。如果能根據(jù)觀察者對(duì)圖像中某一特定區(qū)域的內(nèi)容感興趣程度的高低,將感興趣區(qū)域和非感興趣區(qū)域區(qū)別對(duì)待,以獲取不同的壓縮效果,達(dá)到減少總數(shù)據(jù)量的目的。這樣既可以節(jié)省網(wǎng)絡(luò)帶寬資源和存儲(chǔ)空間,又能最大限度地滿足觀察者對(duì)圖像質(zhì)量的要求。在這種背景下,ROI區(qū)域優(yōu)先的圖像壓縮算法應(yīng)運(yùn)而生。目前對(duì)ROI的圖像壓縮主要基于JPEG20

10、00中提出了兩種算法:最大平移法(Max Shift)和比例移位法(Scaling-based Shift),將有限的碼率優(yōu)先分配給圖像感興趣區(qū)域,提高圖像的主觀感受質(zhì)量。要實(shí)現(xiàn)基于感興趣區(qū)域的圖像壓縮,首先要將感興趣區(qū)域分割出來(lái)。圖像壓縮中的分割算法目的不是為了確認(rèn)或分析圖像特征,而是將圖像中具有相似性的像素集合起來(lái)構(gòu)成一個(gè)區(qū)域。將一幅圖像分割成幾個(gè)區(qū)域后,再根據(jù)對(duì)每一區(qū)域感興趣程度的高低實(shí)現(xiàn)不同處理。為了實(shí)現(xiàn)這一目的,本文提出了一種