專利名稱：基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種醫(yī)學(xué)超聲圖像壓縮方法。
背景技術(shù)：
隨著現(xiàn)代醫(yī)療成像技術(shù)的多樣化與專業(yè)化，數(shù)字醫(yī)學(xué)圖像的種類與數(shù)量不斷增加，其巨大的數(shù)據(jù)容量造成了存儲和傳輸?shù)碾y題。圖像壓縮就是在保證必要的圖像質(zhì)量前提下，用盡可能少的編碼符號傳輸或存儲圖像，或者在給定編碼符號數(shù)的情況下，使恢復(fù)圖像的質(zhì)量盡可能好。
常見的圖像壓縮方法有Huffman編碼、預(yù)測編碼以及變換編碼等。Huffman編碼完全依據(jù)字符出現(xiàn)概率來構(gòu)造字符的平均長度最短的碼字，該算法先對圖像數(shù)據(jù)掃描一遍，計算出各種像素出現(xiàn)的概率，按概率大小指定不同長度的唯一碼字，由此得到該圖像的Huffman碼表。預(yù)測編碼利用圖像相鄰像素之間具有的較強相關(guān)性，用相鄰的已知像素來預(yù)測當(dāng)前像素值，對該像素的真值與預(yù)測值的差進(jìn)行量化和編碼。變換編碼將圖像矩陣變換到系數(shù)空間上進(jìn)行處理，將散布在各坐標(biāo)軸上的原始圖像數(shù)據(jù)集中到新的坐標(biāo)系中的少數(shù)坐標(biāo)軸上，使變換后的系數(shù)間的相關(guān)性降低?；谛〔ㄗ儞Q的編碼方法將整幅圖像逐級分解到不同分辨率的尺度空間，再對分解系數(shù)進(jìn)行掃描編碼，能夠很好地消除解碼圖像的塊狀效應(yīng)，獲得較好的壓縮效果。由于掃描編碼輸出結(jié)果位流對重建圖像的貢獻(xiàn)嚴(yán)格按從重到輕排列，可實現(xiàn)按一定優(yōu)先級可控傳輸，這種圖像的分層傳輸方式特別適合網(wǎng)絡(luò)通信要求，因此該方法在圖像壓縮中被廣泛應(yīng)用。
醫(yī)學(xué)超聲圖像是醫(yī)學(xué)診斷和疾病治療的重要根據(jù)，在臨床上具有重要的應(yīng)用價值。確保醫(yī)學(xué)超聲圖像壓縮后的高保真度是圖像壓縮首要考慮的因素。在最初應(yīng)用中，考慮到醫(yī)學(xué)影像對質(zhì)量的特殊要求和法律的原因，一般采用無損壓縮技術(shù)，因為它能夠精確地還原圖像。但是無損圖像壓縮的缺點是壓縮比低，而有損圖像壓縮的壓縮比高。所以將這兩種壓縮法方法結(jié)合起來，在保證影像主觀質(zhì)量的同時提高壓縮比是醫(yī)學(xué)超聲圖像壓縮的趨勢。不同的小波基對相同的圖像內(nèi)容的壓縮效率是不同的。對醫(yī)學(xué)超聲圖像背景區(qū)的字符等突變的信號，Haar小波的壓縮效果要好于雙正交5/3小波等光滑的小波基，但對于成像區(qū)域來說，Haar小波不但不能獲得高的壓縮比，而且解壓縮的圖像質(zhì)量較差?；谌缟显颍景l(fā)明提出一種針對超聲圖像布局特點的混合小波編碼，也就是對成像區(qū)域用雙正交5/3小波等比較光滑的小波變換，對背景區(qū)域采用Haar小波變換這種對字符等突變信號有更好表示能力的小波，然后通過由成像區(qū)掩模計算出的小波域掩模將兩者結(jié)合，統(tǒng)一進(jìn)行小波系數(shù)的編碼。本發(fā)明在提高壓縮比的同時，保證了診斷區(qū)域的信息無損。

發(fā)明內(nèi)容本發(fā)明的目的在于提出一種適用于對醫(yī)學(xué)超聲圖像進(jìn)行部分有損的壓縮，克服了以往的無損小波編碼壓縮方法中壓縮率不高的問題，并保證了圖像診斷區(qū)域的信息無損性的基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法。
本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的1)對醫(yī)學(xué)超聲圖像I進(jìn)行小波變換，對成像區(qū)進(jìn)行小波變換，即WIA(I×MI)，對背景區(qū)進(jìn)行小波變換，即WBG(I×(1-MI)/S)，MI代表成像區(qū)形狀掩模，函數(shù)W表示整數(shù)提升小波變換，其下角標(biāo)IA表示對成像區(qū)域進(jìn)行變換的小波，函數(shù)W下角標(biāo)BG表示對成像區(qū)域進(jìn)行變換的小波，S是尺度參數(shù)；2)根據(jù)超聲圖像的成像區(qū)形狀掩模MI計算小波域掩模MW，通過小波域掩模MW計算得到圖像的混合小波系數(shù)；3)對混合小波系數(shù)用小波系數(shù)編碼算法，基于分層樹的集合劃分算法進(jìn)行編碼，得到圖像壓縮結(jié)果。
本發(fā)明具體包括如下步驟第一步，醫(yī)學(xué)超聲圖像I的小波變換。對成像區(qū)進(jìn)行小波變換，即WIA(I×MI)。這里MI代表成像區(qū)形狀掩模，是二值圖像，1表示該點像素屬于超聲圖像的成像區(qū)，0表示該點像素屬于超聲圖像的背景區(qū)。函數(shù)W表示整數(shù)提升小波變換，其下角標(biāo)IA表示對成像區(qū)域進(jìn)行變換的小波。對背景區(qū)進(jìn)行小波變換，即WBG(I×(1-MI)/S)。函數(shù)W下角標(biāo)BG表示對成像區(qū)域進(jìn)行變換的小波。另外，因為背景區(qū)除了灰階通常都是字符，灰度對比大且灰度漸變的區(qū)域少，引入尺度參數(shù)S來對背景區(qū)的灰度進(jìn)行壓縮，這樣可以降低小波變換的系數(shù)。
第二步，根據(jù)超聲圖像的成像區(qū)形狀掩模MI計算小波域掩模MW，此小波域掩模分成低頻和高頻兩部分計算?？紤]到低頻系數(shù)在小波變換中比較重要，用對成像區(qū)做小波變換的小波函數(shù)來計算成像區(qū)形狀掩模的低頻小波系數(shù)，從而計算出低頻部分的小波域掩模MWLL，即MWLL＝255×|WIA(MI)|LL|≥1。對于高頻部分的三個子帶(也就是MWLH、MWHL和MWHH)，由于考慮到診斷用的信息集中于成像的中間部分，所以用成像區(qū)形狀掩模的Lazy小波變換的高頻系數(shù)代替，因為Lazy小波變換計算簡單，即MWLH＝WLazy(MI)|LH、MWHL＝WLazy(MI)|HL和MWHH＝WLazy(MI)|HH。利用小波域掩模得到圖像的混合小波系數(shù)CC＝MW×WIA(I×MI)+(1-MW)×WBG(I×(1-MI)/S)(1)
第三步，對混合小波系數(shù)用小波系數(shù)編碼算法(如基于分層樹的集合劃分算法)進(jìn)行編碼，得到圖像壓縮結(jié)果。
另外，若函數(shù)IW表示逆整數(shù)提升小波變換，用解壓縮的小波系數(shù)C恢復(fù)圖像的公式為I~=MI×IWIA(C×MW)+(1-MI)×IWBG(C×(1-MW)×S)---(2)]]>本發(fā)明首先對醫(yī)學(xué)超聲圖像的成像區(qū)和背景區(qū)進(jìn)行兩次不同小波基的小波變換，在對背景區(qū)進(jìn)行小波變換時還引入了一個尺度參數(shù)，對背景區(qū)的小波系數(shù)進(jìn)行壓縮；然后利用由醫(yī)學(xué)超聲成像設(shè)備決定的圖像成像區(qū)形狀掩模計算出的小波域掩模將兩組不同的小波系數(shù)組合，此小波域掩模分成兩部分計算，一部分是低頻小波系數(shù)部分的掩模，該部分利用對成像區(qū)進(jìn)行小波變換的相同的小波基，通過對成像區(qū)形狀掩模進(jìn)行小波變換得到，另一部分是高頻小波系數(shù)部分的掩模，該部分通過對成像區(qū)形狀掩模進(jìn)行Lazy小波變換得到；最后對混合小波系數(shù)用小波系數(shù)編碼算法(基于分層樹的集合劃分算法)進(jìn)行編碼，得到圖像壓縮結(jié)果。
本發(fā)明針對醫(yī)學(xué)超聲圖像的特點，使用兩種小波混合進(jìn)行圖像壓縮。在基于小波變換的圖像壓縮算法中增加了反映醫(yī)學(xué)超聲圖像布局特點的小波系數(shù)混合方法，使得圖像壓縮率獲得提高。本發(fā)明有廣泛的應(yīng)用前景，尤其適用于醫(yī)學(xué)超聲圖像的遠(yuǎn)程診斷。


圖1為本發(fā)明實施例中的線陣探頭采集的圖像；圖2為本發(fā)明實施例中的凸陣探頭采集的圖像；圖3-圖8為本發(fā)明實施例的實驗結(jié)果。
具體實施方式
下面結(jié)合附圖合具體實施例對本發(fā)明作進(jìn)一步的說明第一步，醫(yī)學(xué)超聲圖像I的小波變換。對成像區(qū)進(jìn)行小波變換，即WIA(I×MI)，對背景區(qū)進(jìn)行小波變換，即WBG(I×(1-IM)/S)。第二步，根據(jù)超聲圖像的成像區(qū)形狀掩模MI計算小波域掩模MW，使用式(1)完成計算。第三步，對混合小波系數(shù)用小波系數(shù)編碼算法，基于分層樹的集合劃分算法進(jìn)行編碼，得到圖像壓縮結(jié)果。
圖1-圖2的兩幅醫(yī)學(xué)超聲圖像做為實驗對象，圖像域的成像區(qū)形狀掩模及生成的小波域形狀掩模見圖3-圖8。其中，圖3和圖4為圖1的成像區(qū)掩模和生成的小波域掩模，圖5和圖6為圖2的成像區(qū)掩模和生成的小波域掩模，圖7為當(dāng)尺度參數(shù)S設(shè)置為16時的圖1解壓縮圖像的成像區(qū)的損失圖像三次插值結(jié)果圖像，圖8當(dāng)尺度參數(shù)S設(shè)置為16時的圖2解壓縮圖像的成像區(qū)的損失圖像。
表1列出了對小波系數(shù)進(jìn)行SPIHT編碼的實驗結(jié)果。另外給出當(dāng)尺度參數(shù)S設(shè)置為16時的解壓縮圖像的成像區(qū)的損失圖像(白色意味著該處的像素與原圖的像素灰度值不同)。從表1來看，成像區(qū)的PSNR均超過30，可以接受。圖3-8中給出的損失圖像表明了成像區(qū)域的信息損失均發(fā)生在成像區(qū)域的邊界處，診斷區(qū)域得到完好的保存，此結(jié)果驗證了診斷部分不丟失任何信息的結(jié)論。背景區(qū)的PSNR雖然隨尺度參數(shù)的增大而降低，但值仍然比較大(最低時為27.97)，從客觀上來說也比較令人滿意。從壓縮率的角度來說，混合小波表示方案比單小波的壓縮率高，且當(dāng)S增大時由于背景區(qū)域的小波系數(shù)幅度降低，壓縮率增高。
綜上所述，對于醫(yī)學(xué)超聲圖像的有損壓縮，本發(fā)明的算法在保持診斷信息的同時，能夠得到更高的壓縮率。
表1不同壓縮算法結(jié)果比較
權(quán)利要求
1.一種基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法，其特征在于它包括以下步驟1)對醫(yī)學(xué)超聲圖像I進(jìn)行小波變換，對成像區(qū)進(jìn)行小波變換，即WIA(I×MI)，對背景區(qū)進(jìn)行小波變換，即WBG(I×(1-MI)/S)，MI代表成像區(qū)形狀掩模，函數(shù)W表示整數(shù)提升小波變換，其下角標(biāo)IA表示對成像區(qū)域進(jìn)行變換的小波，函數(shù)W下角標(biāo)BG表示對成像區(qū)域進(jìn)行變換的小波，S是尺度參數(shù)；2)根據(jù)超聲圖像的成像區(qū)形狀掩模MI計算小波域掩模MW，通過小波域掩模MW計算得到圖像的混合小波系數(shù)；3)對混合小波系數(shù)采用小波系數(shù)編碼算法進(jìn)行編碼，得到圖像壓縮結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法，其特征在于所述的小波域掩模計算步驟包括低頻和高頻兩部分，通過對成像區(qū)做小波變換的小波函數(shù)來計算成像區(qū)形狀掩模的低頻小波系數(shù)，從而計算出低頻部分的小波域掩模MWLL，即MWLL＝255×|WIA(MI)|LL|≥1；高頻部分的三個子帶MWLH、MWHL和MWHH用成像區(qū)形狀掩模的Lazy小波變換的高頻系數(shù)代替，即MWLH＝WLazy(MI)|LH、MWHL＝WLazy(MI)|HL和MWHH＝WLazy(MI)|HH，利用小波域掩模得到圖像的混合小波系數(shù)CC＝MW×WIA(I×MI)+(1-MW)×WBG(I×(1-MI)/S)。
3.根據(jù)權(quán)利要求1或2所述的基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法，其特征在于所述的小波系數(shù)編碼算法為基于分層樹的集合劃分算法，函數(shù)IW表示逆整數(shù)提升小波變換，用解壓縮的小波系數(shù)C恢復(fù)圖像的公式為I＝MI×IWIA(C×MW)+(1-MI)×IWBG(C×(1-MW)×S)。
全文摘要
本發(fā)明提供了一種基于混合小波編碼的醫(yī)學(xué)超聲圖像壓縮方法，1)對醫(yī)學(xué)超聲圖像I進(jìn)行小波變換，對成像區(qū)進(jìn)行小波變換，即W
文檔編號H04N7/30GK101056406SQ200710072070
公開日2007年10月17日 申請日期2007年4月20日 優(yōu)先權(quán)日2007年4月20日
發(fā)明者沈毅, 蘆蓉 申請人:哈爾濱工業(yè)大學(xué)