医学图像感兴趣区内嵌小波编码新方法.docVIP

医学图像感兴趣区内嵌小波编码新方法 　　摘要:提出了一种新颖的适合医学图像的压缩算法AR－EWC(embedded wavelet coding of arbitrary ROI)。该算法保证了感兴趣区域边界与背景光滑过渡，支持任意形状ROI的无失真编码，生成内嵌有损到无损图像质量渐进优化的码流，并且可以对ROI独立随机存取。针对医学图像的特点，对包含重要临床诊断信息区域采用完全无失真的无损压缩，而对背景采用高压缩比的有损压缩，既保证了医学图像对高质量的要求，相对于传统的无损方案又大大提高了图像的整体压缩比。在临床头部MR图像数据集上的实验表明，该算法在保证了ROI区域无损压缩的前提下，达到了与经典的有损压缩算法相当的压缩比率。 　　关键词:图像压缩; 感兴趣区; 可逆整数小波变换; 多级树集合分裂 　　中图分类号:TP391文献标志码:A 　　文章编号:1001－3695(2008)02－0460－04 　　 　　21世纪的医学影像是数字影像时代，医院的数字化成像设备越来越多(DR#65380;CR#65380;CT#65380;MR#65380;PET等)，日益向无胶片化迈进。由于多排CT等三维立体成像设备的出现和逐步普及，现代医学影像的数据量极为庞大，如对南方医科大学附属南方医院的测试显示，平均每天新增数据量约8 GB，每年新增数据量3 TB。医学影像数据具有法律文件的性质，对图像恢复质量要求很高，需要长期在线存储和频繁存取供医生作诊断#65380;分析和对比。因此网络带宽和存储空间的限制使图像压缩技术成为现代医院PACS系统 (医学图像的存取与传输系统)中的一项关键性的瓶颈技术。医学图像压缩问题的关键在于怎样在保持重要的临床诊断信息无损的前提下，提高整体图像的压缩比。 　　尽管现代有损图像压缩技术[1]在主观效果损失很小的代价下，可以达到很高的压缩比，但医学界出于法律问题不愿意接收有损压缩的方式，而求诸压缩比很小的(2:1~4:1)的无损压缩技术[2，3]。进一步提高医学图像压缩比的方法之一就是感兴趣区(ROI)编码技术。2001年11月，DICOM(医学数字成像与通信国际标准)发布了新的附录“JPEG2000传输语法”，使最新的静态图像压缩标准JPEG2000正式成为DICOM标准的一部分[3]。JPEG2000支持对感兴趣区域编码，使用的是Maxshift方法:首先根据图像ROI产生一个二值掩模，由于边界延拓，掩模比原始ROI区域要大;再将掩模内的小波系数放大2??S倍。其中S是小波系数的最高比特面位数。这样由于对小波系数解码时是按从高比特面到低比特面的顺序，掩模内的小波系数就先被解码显示。但是这种方法并不支持对ROI区域的独立任意存取，也不能为不同的ROI区域独立分配不同的码率，目前实现的JPEG2000编码器只支持矩形和圆形区域。国内外对医学图像压缩的研究也反映了这一趋势[4，5]。 　　针对医学图像压缩的上述要求，本文提出了一种基于整数提升小波变换的医学图像压缩方案AR－EWC算法。它的突出特点是支持任意形状的感兴趣区域，保证了ROI边界和背景的光滑过渡，实现了内嵌，且有损到无损图像质量渐进优化的码流，并且可实现对ROI数据独立随机存取。 　　 　　1可逆整数小波变换 　　 　　由于小波变换良好的时频局部特性和适合人眼的多分辨率特点，在现代图像压缩系统中得到了广泛应用[6]。AR－EWC算法为了满足医学图像可以完全无失真解码的要求，首先在Sweldens提出的提升架构[7](lifting scheme)下，对医学图像进行整数到整数的离散小波变换(RIDWT)，为实现对图像从有损到无损的渐进式内嵌编码打下基础[8]。以下简单介绍可逆整数小波变换。 　　根据文献[9]任何具有有限冲击响应的滤波器(FIR)的小波变换均可以分解成式(1)，用有限步提升算法实现。 　　 　　其中:p(z)是小波变换系统的多项矩阵表示;一般称s??i(z)为更新;t??i(z)为预测。 　　由于数字计算机的字长均是有限的，在浮点数计算时均有误差，传统的提升算法并不能保证无失真的重建。为克服这一缺点，整数提升算法在每一个提升步骤后，加上一个取整运算，实现了整数到整数完全可逆的离散小波变换，如图1所示。 　　 　　整数提升小波变换是对传统滤波器实现的小波变换的一种近似。因此其对图像信号的压缩性能既与原始小波性质(消失矩#65380;平滑性等)有关，也与提升步骤的设计有关。提升链越长，取整运算越多，模拟误差也就越大，压缩效果就越差。更重要的是，提升算法放宽了信号边界延拓条件，允许任何形式延拓的完整重建，为使用实际像素进行边界延拓提供了条件。 　　 　　2感兴趣区与背景平滑过渡条件下小波系数的挑选