基干视觉冗余多感兴趣区域医学图像压缩.docVIP

基于视觉冗余的多感兴趣区域医学图像压缩 　　摘 要：针对医学图像信息量大的特征，提出基于视觉特性的多兴趣区域图像压缩方案，通过仿真实验表明，该方法得到较高的压缩比和压缩视觉效果，为医学图像远程传输和存储提供更为有效的方案 关键词：曲波；视觉冗余；感兴趣区域；医学图像压缩 1 概述 医学图像压缩是医学图像研究领域中的一门重要课题[1]，近年来备受研究人员关注，特别在远程医疗，PACS（Picture Archiving and Communication Systems）医学影像存档与通讯系统中显得至关重要。曲波（Curvelet）是一种新的多尺度分析方法，无论在分析二维图像中的曲线（直线状边缘）特征或者是稀疏表达能力方面都比小波更胜一筹，文章充分利用曲波这一特性并结合医学图像特点，提出基于视觉特性的多感兴趣区域图像压缩方案，即先根据视觉特性对医学图像提取人眼感兴趣区域，再对不重要的区域进行JPEG2000有损压缩，消除不重要的视觉冗余，为医学图像远程传输和存储提供更为有效的方案 2 基于视觉冗余的多感兴趣区域医学图像压缩 2.1 基于视觉冗余的多感兴趣区域压缩具体过程 （1）根据需求人为选择一个或多个感兴趣区域。（2）医学图像数据分离。对图像经过人为选择感兴趣区域后，医学图像被分为R0I区域和非R0I区域，一般而言，R0I区域是一个连续的矩形区域，对这个连续的区域可直接送入JPEG2000编码器，而对不连续的矩形区域非R0I图像区域则是采用曲波迭代量化编码。（3）图像压缩。分离后的图像数据，将分别根据图像数据系数矩阵送入Curvelet和JPEG2000编码器最后得到各自分离部分的码流。（4）码流综合。经过编码后的码流包含了Curvelet码流和JPEG2000码流。文章利用曲波变换理论，根据人眼视觉冗余特性，人为划分ROI和非ROI区域，在对非ROI系数进行曲波迭代量化编码，而对ROI区域则采用无损JPEG2000，从而达到在保证图像重建后的人眼视觉效果的同时，也提高了图像的压缩效率 2.2 第二代Curvelet变换理论 Donoho于1999年提出曲波变换理论[3]，即第一代Curvelet变换，第一代Curvelet的数字实现比较复杂，需要子带分解平滑分块、正规化和Ridgelet分析等一系列步骤，而且其中的Curvelet金字塔的分解带来了巨大的数据冗余量，因此E.J.Candes等又提出了实现更简单、更便于理解的快速Curvelet变换算法，也称第二代Curvelet变换。Curvelet变换是在研究小波变换的基础上发展起来的，它克服了小波变换在应用中的不足，显示出了许多独到之处 2.3 根据视觉冗余特性，提取感兴趣区域 医学图像感兴趣区域的提取是图像压缩领域的热点问题，文章采用人工干预的方法，利用人眼视觉冗余[4]的特性，即去掉那些人眼看不到或者可有可无的图像数据。在图像压缩或量化过程中，人们根据视觉特性对图像数据进行取舍，如果取舍的图像数据在接收端不能被视觉所感觉到，都被认为图像质量是完好的或是足够好的，那么这部分图像数据就可以被舍弃。通过人工干预确定出ROI区域。选择好ROI区域后，在程序中需要保留以下信息：即保留医学图像中ROI区域的相对位置信息，且将图像平面分成N-1个感兴趣区域ROI（1=1，…，N-l）和一个背景子区域，N-1个不同的感兴趣区域需要采用不同的优先级进行编码，一般情况下，感兴趣区域是不规则形状，一般为了计算方便，通常采用了矩形区域来表示ROI，对感兴趣区域部分采用低压缩率的无损压缩编码，而对非感兴趣区域采用较高的有损压缩，也降低了算法的复杂性 3 实验结果与分析 文章采在MatLab环境中下实验上述算法，采用256×256像素的8bit深度的灰度医学图像子宫多发性平滑肌瘤CT为例，根据图片的特点，方便观看重构效果，本案例划分了单个的ROI，图1（a）当CR=40时，采用Huffman/EZW面向任务的医学图像编码算法重建图；图1（b）当CR=40时，采用文章所提出的结合Curvelet/JPEG2000编码压缩重建图 文章采用峰值信噪比（PSNR）和压缩比（CR）两项指标对图1进行客观评价，如图2所示： 从图2中可得出，由于图像经Curvelet变换后，存在大量冗余性，即使进行迭代量化有效的降低冗余性，但在相同压缩比的前提下，Curvelet/JPEG2000的PSNR是没有JPEG和JPEG/JPEG2000高，明显优于EZW/Huffman算法，由于Curvelet对边缘具有较强的表达的能力，在同压缩比下，压缩的视觉效果要明显好于JPEG，很好的解决了JPEG的“蚊式效应”，且随着压缩比的提高，压缩效果将逼近JE