SPIHT算法在IM图像压缩中的应用研究.docVIP

SPIHT算法在DICOM图像压缩中的应用研兜 DICOM图像文件的储存和传输一直是 近代医学图像处理中一个比较热门的研宄话题，其中 较好的解决方案就是对DICOM图像进行压缩处理。 文中通过对DICOM文件的数据结构进行分析，将 DICOM文件拆分成图像数据部分和文本信息部分， 然后采用9/7提升小波变换对拆分出来的DICOM图 像数据进行图像变换，最后对变换后的小波系数进行 SPIHT编码完成DICOM图像压缩。主客观对图像的 评价表明SPIHT算法在高压缩比时仍能保证图像较好 的质量。该方法能够对DICOM图像的存储和传输带 来便利也将产生一定的影响。 关键词：医学数字图像通信协议标准；图像压缩; 9/7提升小波变换；多级树集合分裂排序 TP391 A 1引言 影像储存和通信系统（PACS，全称Picture Archiving and Communication System）广泛应用于我 国医院影像管理事业中［1］。PACS主要用来解决CT （计算机断层扫描）、MRI （核磁共振）、US （超声成 像）等成像设备产生的图像数据传输和储存的问题。 1985年ACR和NEMA联合建立了医学数字成像的 DICOM （Digital Imaging and Communications in Medicine）标准［2］。DICOM文件的一个特点就是数据 量巨大，其中图像数据占90%以上并且图像的数据量 要比普通图像要大得多［3］。文中对DICOM文件的数 据结构进行了分析并结合现代图像压缩技术，在确保 一定图像质量的情况下，完成大压缩比的DICOM图 像压缩工作。 2 DICOM图像压缩原理 DICOM标准的数据结构部分中定义了 DICOM如 图1所示的文件结构。DICOM图像文件是由文件序 言、首缀组成的头文件部分和由多个数据元素组成的 数据集部分构成［4］，每个数据元素由标识符（Tag）、 数据类型（VR）、数据长度（VL）和数据组成。DICOM 图像文件包含了许多图像的附加信息，如设备信息、 像所属患者信息、图像的窗位窗宽大小等，这些信 息和图像数据一起存放在各个数据元素中。DICOM数 据字典对每个数据元素都分配了一个唯一的Tag,其 中图像数据的Tag为（7FE0，0010） ［5］。对DICOM 图像压缩的本质是将DICOM图像文件中的文本数据 和图像数据分离出来并对DICOM文件中的图像数据 进行压缩。在对DICOM图像文件解码的过程中，通 过对图像数据Tag的定位可以将DICOM文件中的图 像数据分离出来并转换成适合图像压缩的BMP文件。 图1 DICOM图像文件结构 此时，DICOM文件的压缩就变成了针对从 DICOM文件中分离的出来的BMP文件进行压缩处 理，经典图像压缩技术的一般步骤如图2中所示。首 先是对原始图像进行变换，然后对变换系数进行量化 编码得到压缩图片文件，这时就可以方便快捷的对压 缩文件进行存储或者传输。解码器和编码器是一个互 逆的过程，通过解码、去量化、反变换可得到压缩重 构的图像文件。JPEG标准中使用的是DCT （离散余 弦变换）变换，但由于DCT不能很好的处理它自身引 起的方块效应和在保证图像质量的前提下不能达到更 高的压缩比等原因而逐渐被舍弃［6］。因离散小波变换 具有优良的时频特性（能够将低频和高频的信息进行 分离）被JPEG2000标准所采纳P］。 3图像变换与编码方法 3.1 9/7提升小波变换 小波理论的思想来自伸缩与平移变换，将满足一 定条件的小波基本函数W （x）构造成形如（1）公式 的构造函数。用尺度因子a将屮（x）做伸缩处理，小 波函数图像会随a的变小而缩短，随着a的变大而伸 长；用b控制屯（x）水平移动。 小波变换（WaveletTransform，简写 WT）与 FT （Fourier Transform ）在某种程度上类似，其定义如公 式（2）中所示。小波变换可以看成把一个信号（信号 也可以看作一种函数）表示为由多个或者无穷个经过 伸缩平移变换而得到的小波信号的叠加。信号作小波 分解实际上相当于用具有选择性的滤波器对信号进行 滤波处理，它的要点就是对于平稳变化的信息（对应 于信号低频部分）可以在大区域上查看；对于快速变 化的信息（对应于信号的高频部分）可以在小区域上 放大查看。 对于图像信号，可以抽象成二维离散函数F （X， y），二维离散函数的WT就可以通过一维离散行WT 和一维离散列WT来实现二维离散一级WT,如图3 所示。图像通过一维行WT就可以获得行低频（L） 和行高频（H）的小波系数，再经过一次一维列WT 就可以将图像的最低频系数集中在左上角LL1处，最 高频系数集中在右下角HH1处，此时也就完成了图像 信号的一级WT。二级WT就是在原来变