医学图像压缩的现状及发展方向.pdfVIP

国外医学生物医学工程分册 996年第19卷第6期 Huffman编码、算术码、游程长度编码及 考虑对均值及均值与相应分辨率下的象素 LZW方法。熵编码的作用对象是一般信 之间的差值进行编码，亦可考虑对均值与 源．当直接作用于图像数据时产生直接压 相应分辨率下的象素变换之间的差值进行 缩效果，而作用于其它有冗余性的信源时 骗码 对不同分辨率下的象素引入适当的 将有助于减小信源中的冗余性．囤而在有 变换形式有助于咯为提高压缩效率 损与无损压缩中都得到广泛应用。除熵编 2．4 Bit面编码方法 (BPE) 码外，下述无损压缩方法是比较高效的 BPE方法主要是利用象素的所肯的 (除了可能的量化误差外)。 bit位数形成由同一对应bit位构成的与 2．1 差分脉的调制方法 (DPCM) 原图像同尺寸的单个bit为象素的bit平 DPCM方法的主要思想是采用一个 面层，当层内存有大量均匀区域时，通过 线性预测公式，通过对一个特定域内的象 游程长度编码方法，可以有比较好的压缩 素的加权求和得到其与该域中待预测象素 效率。BPE中一般没有其它误差影响。 之间的差值，对此差值量化后的指数做熵 2、5 多重自回归法 (MARt 编码，得到压缩的比特数。这里所选定的 MAR是一种二维压缩方法，包括 特定域按预测性质可以为行(列)(1D)、面 MAR与多分辨率MAR。在假设图像数据 (2D)或立体 (3D) 由于没有有意识的丢 局部平稳的前提下将其表示成为二维线性 弃任何信息 (除了在数字系统中不可避免 随机模型，编码的过程包括通过预测产生 的量化外)，故可归入无损压缩+压缩比可 模型参数的估计和对图像均值的估计，以 达1．5到3。为了改善结果，来用非线性预 及对图像数据与均值估计之差和由预测模 测的方法也得到了应用，包括应用神经网 型产生的这个差的预测值之间差值的熵编 络作非线性预澍。 码。这里，考虑到预测性能与复杂性的折 2．2 分层内插法 (HINT) 衷，模型参数一般选为3到4个。 ， HINT是针对无损医学影像压缩而发 多分辨率MAR仅是将MAR结构与 展的，因而在医学影像压缩中的影响较其 多分辨率图像表达相适配，因而包括了滤 它方法更大。它基于由底到高的多分辨率 波与子抽样，以及内插这样一些操作步骤。 思想．对低分辨率的原始图像通过内插得 到较高分辨率图像的估计，并产生其与实 3 有损医学图像压缩方法 际图像之间的差值。实际传输的是熵编码 当前医学图像压缩中比较流行的有损 的最低分辨率原始图像与各较高分辨率下 压缩方案包括二维分块离散余弦变换 盼差值结果。由于内插的原因，可能的误 (DCT)、全帧DcT、子带编码、矢量量化 差除了量化外，还有取整操作的影响。通 (VQ)、四叉树以及自适应预测编码等。近 过在嫡编码过程中采用信源统计特性的自 年来，作为子带编码的一种特殊形式．小 适应模型可以改善压缩效率。