第一章绪论
1.1研究的意义
图像作为一种进行信息传递的载体,在人们生活中起着非常重要的作用而在医学领域中,应用也更为广泛,特别是随着现代医疗水平的不断提高,越来越多的医疗成像设备得到了临床应用,产生了越来越多的医学图像,例如CT(C0mputed TomograPhy)eR(ComputedRadiography)MRI(MagnetieResonancexmaging)B超等,这些医学图像被广泛应用于疾病诊断计算机辅助手术等领域医学图像设备的广泛应用,给医学发展产生有力推动的同时,面临的另一个问题就是大量医学图片的存贮原因分析起来很简单:
1.医学图像对图像质量要求高要求有较高的空间分辨率,这样刁-能够不漏掉任何微小的病变,而高的分辨率要求图像具有更高的灰度等级,灰度级越高,所占据的存储空间就越大
2.医学诊断中的医学切片图像及视频序列也是耗费存贮空间的关键所在如多数的CT断层扫描对于感兴趣区域部位都要产生16一64幅的切片图像,若单幅图像为512*512*12,则最终的数据量为3一10MB,这就使得原本就很庞大的数字医学图像的数据量,以更快的速度增长再如血管造影每次检查都会生成3一30分钟的视频序列图像,对视频序列的保存也要消耗很大的存贮空间据统计,一个中等规模的医院每年产生的有诊断价值的影像数据可达数百GB由此可知,在PACS(医学图像存档和传输系统)和远程医疗系统中存在着巨量的图像数据信息
3.医学图像作为重要的信息档案,还要求有较长的保存周期(保存周期等同于病人的生命周期,或更长),这都要占据更大的存贮空间综合以上3个方面,要求对医学图像进行必要压缩,但是采用怎样的压缩方式,是有损还是无损,医学图像自身的特殊性也给压缩提出新的要求,医学数字图像是人体重要器官组织的解剖信息,包含着非常丰富的信息,是作为医学诊断的重要依据,因而,任何细节的丢失都可能导致错误的诊断从而,医学图像的压缩只能采用无损压缩技术,从而保证图像的质量,这是医学图像无损压缩的必要性
1.2国内的研究现状
图像压缩编码技术可以追溯到1948年提出的电视信号数字化,到目前为止己经有60多年的历史传统的医学图像编码方法很多,基于空间的编码方法:如墒编码〔23预测编码矢量量化编码等;基于变换域的编码方法:子带编码离散余弦变化小波变换等嫡编码是一种无损压缩的方法,典型的嫡编码有:Huffillan编码行程长度编码(RunLengthCoding)和算术编码(ArithmetieCoding)Hufihlan编码是一种常用的编码,它是对出现概率大的符号用较短码字代替,而对概率较小的符号用较长的码字来代替,是一种应用广泛的变长编码,它的平均码长接近于编码信息的嫡但是,由于在编码时要进行两次的扫描,因此编码的速度较慢行程长度编码是将具有相同值的连续串用串长和一个代表值来代替,连续串就称为行程,串长称为行程长度如,有一字符串/aabbbeddddd0,则经行程长度编码后,该字符串可以用/Za3blesd0来表示算术编码是将被编码的数据序列表示成0和1之间的间隔(也就是一个小数范围),该间隔的位置与输入数据的概率分布有关信息越长,编码表示的间隔就越小,因而表示这一间隔所需要的二进制位数就越多算术编码与霍夫曼编码方法的平均压缩效果是十分相似的,只是霍夫曼编码更快一些,但在未知信源概率分布的情况下,算术编码优于霍夫曼编码预测编码〔伙Predictivecoding)基于图像数据的空间冗余特性,用相邻的已知像素来预测当前像素值,然后再对预测误差进行量化和编码,预测编码有线性预测和非线性预测两大类线性预测编码又称为差分脉冲预测编码调制,即DPcM (DifferentialPulseCodeModulation)一般采用像素预测形式的DPCM,其优点是算法简单,易于硬件实现
第二章医学图像无损压缩原理
2.1医学无损图像压缩的概念
我们可以把一幅图像看作是一个二维的函数f(x,力,该函数值大小代表的就是该点图像的强度或灰度若把坐标系数及其函数值都进行离散化处理,就是我们所说的数字图像本文所研究的图像如无特别声明,都略去了数字化的步骤,指数字图像在我们所见到的数字图像中,它们的行或帧之间,同一图像的像素与像素之间存在着较强的相关性,这些相关性从信息论的角度出发,就是冗余信息,我们对图像进行压缩,就是尽可能的去掉这些冗余在数字图像中,可以把数据的冗余分为三种情况:心理视觉冗余编码冗余和像素间冗余当其中的一种或多种得到减少或消除时,就实现了数字图像的压缩消除心理视觉冗余属于有损压缩,压缩时损失了部分有消除编码冗余和像素间冗余属于无损压缩,这种压缩可以认为没有损失信息,可以恢复出原图像,医学图像的无损压缩即为该种压缩
2.2医学图像分类和特点
医学图像包含有很多不同类型的图像以及实验报告文本等,各类图像具有不同的像素分布特点,归纳分类如下1.连续色调的灰度图像,如MRIX射线等;2.连续色调的彩色图像,如显微切片图像等;3.连续色调的灰度运动视频图像,如超声图像等;4.连续色调的彩色运动图像,如多普勒超声图像等;5.离散的灰度或彩色图像;6.文本文件,如实验报告和病人的历史记录等对于连续色调静止的灰度医学图像来说,它的像素深度较大,每个像素占有这是为了保证正确性,尽可能多的保存与诊断相关的信息针对医学图像,它保证诊断信息的完整性在借助图像的诊断中,要保证不丢失细微的重要信息,这是有损压缩做不到的,因而多采用无损压缩;
第一章绪论........................................ 1
1.1研究的意义................................... 1
1.2国内外的研究现状........................ 2
1.3本文的主要研究内容................ 4
1.4论文的章节安排........................................ 4
第二章医学图像无损压缩原理.......................... 7
2.1医学无损图像压缩的概念.................. 7
2.2医学图像分类和特点................................. 7
2.3医学图像无损压缩的方法....................... 7
2.4医学图像压缩的评价标准....................... 9
2.4.1医学图像压缩的客观标准........................ 9
2.4.2医学图像压缩的主观评价标准................. 10
2.5本章小结......................................................11
总结
本文首先对医学图像无损压缩中所涉及到的概念,压缩的方法及评价标准做相应的介绍并对无损压缩中有重要参考价值的JPEG一LS压缩的国际标准做了介绍在此基础上,本文详细介绍了自己在医学图像无损压缩处理中所做的工作主要包括:在医学图像无损压缩模型的建立上,在前人预测模板的基础上,改进了预测模板的形式,在理论和实验的基础上,建立了三点预测模型中的442模板,并利用神经网络中的感知器实现了对预测系数的自适应调整,实验结果表明该预测模型在压缩比及压缩时间上都取得了较好的效果在嫡编码的选择上,选择了编码效率较高的Rice编码格式,并对编码的长度进行了自适应的调整,进一步实现了对医学图像算法的优化
本文也实现了对bmp格式真彩色图像的无损压缩,本文在研究前人彩色空间的线性变换的基础上,提出了逐行抽取颜色分量,顺序压缩的方法从而在图像预测编码的处理过程中,增强了同一颜色分量上下文间的相关性,提高了图像的压缩比,并没有增加同一行预测编码的复杂性实验表明,该算法用压缩比和压缩时间的性能指标来衡量,取得了较好的效果
参考文献
[l]贾克斌.数字医学图像处理存档及传输技术[M8.北京:科学出版社,2006
[2]章毓晋.图像处理和分析=M8.北京:清华大学出版社,1999.
[3]张贤达.现代信号处理=M8.北京:清华大学出版社,2002.
[4]任明武,杨静宇著.数字图像压缩编码讲义R].南京理工大学计算机系.2002
[5]沈兰荪.图像编码与异步传输=M].北京:人民邮电出版社,2001.
[6]迟健男,宋春林,杨旭一种新的快速分型图像压缩方法=J].辽宁省交通高等专科学校学报.2004.3.6(1):21一24
[7]李建平.基于小波变换和神经网络的图像压缩[J].神经网络理论与应用研究,1999,vol.5(4):436一471
[8]高健,陈耀,刘旦.数据多次分组的图像无损压缩算法[J].计算机系统应用,2010,19(12):64一68.
[9]谢耀华,汤晓安,孙茂印等.基于分类重排Lzw的图像无损压缩算法月.中国图形图像学报,2010,15(2):236一241.
[10]张立宝.基于整数小波变换的静止图像编码算法研究=D].吉林大学,2005.