（通信与信息系统专业论文）基于信息保持的医学图像压缩编码(1).pdf

基于信息保持的医学图像压缩编码 丫 6 5 3 0 4 9 摘要 医学图像是医学诊 断和疾病治疗的重要依据， 确保恢复图像的高保真度和真 实性是医学图像压缩首要考虑的因素。 尽管图像压缩技术已经得到多年的研究和 发展， 但是针对医学图像的压缩还有很多的问题o f 待解决。 医学图像压缩以无损 压缩方法为主， 缺点是压缩率太低， 实用价值不大。 至于有损压缩方法，目 前还 没有在压缩率和图像的保真度的统一方面取得很大的进展。 本文首先介绍图像数据压缩的基本原理和主要方法， 并对当前的图像压缩编 码国际标准，包括j p e g 系列、m p e g 系列以及h . 2 6 x 系列分别进行了一些研究。 针对医学图像压缩的特殊性， 指出当前的图像压缩编码国际标准在医学图像压缩 中的利弊。 通过对医学图像的特征和应用的研究， 指出医学图像的压缩应当基于 信息保持，而非基于视觉。 通过对多种变换编码方法的比较， 最终选择小波变换作为医学图像压缩的主 要工具。 在对医学图像小波系数的分布特征进行深入分析的基础上， 提出了一种 高效的信源编码方法， 即基于小波变换的自 适应分组霍夫曼编码方法。 实验证明 这种编码方法可对医学图像或医学体数据进行较高压缩率的压缩， 恢复图像质量 满足实际应用的要求。 这种编码方法还适合于对诸如遥感图像等需要较高保真度 的图像进行压缩。 关键词:医学图 像， 小波变换，自 适应分组霍夫曼， 信息保持 第【页 共 6 6 页 基于 信息保持的医学图 像压缩编码 abs tract me d i c a l i m a g e s a r e v e r y im p o rt a n t f o u n d a t i o n o f c l i n i c d i a g n o s i s a n d t r e a t m e n t . t h e f i r s t c o n s i d e r a t i o n o f m e d i c a l i m a g e c o m p r e s s i o n i s h o w t o i n s u r e t h e f i d e l i t y a n d a u t h e n t i c i t y o f r e s u m e d i m a g e s . i m a g e c o m p r e s s i o n m e t h o d s h a v e b e e n s t u d i e d f o r m a n y y e a r s , b u t t h e r e a r e m a n y p r o b le m s t o b e s o l v e d i n t h e f i e l d o f m e d i c a l i m a g e s a m o n g t h e m e d i c a l i m a g e c o m p r e s s i o n m e t h o d s , l o s s l e s s m e t h o d s a r e u s e d m o r e f r e q u e n t l y t h a n l o s s y o n e s . b u t l o s s le s s m e t h o d s a r e n o t e f f e c t i v e f o r t h e ir l o w c o m p r e s s i o n r a t i o . a s t o t h e l o s s y m e t h o d s , l i tt l e p r o g r e s s h as b e e n m a d e o n t h e t r a d e o ff b e t w e e n c o m p r e s s i o n r a t i o a n d f i d e l i t y . t h e b a s i c p r i n c i p l e s a n d m a in t e c h n i q u e s o f i m a g e d a t a c o m p r e s s io n a r e p r e s e n t e d i n t h i s a rt i c l e . s o m e r e s e a r c h h a s b e e n m a d e o n t h e i n t e r n a t i o n a l i m a g e c o m p r e s s i o n c o d i n g s t a n d a r d s , i n c l u d i n g t h e s e r i a l s o f j p e g , m p e g a n d h .2 6 x . b a s e d o n t h e p a rt i c u l a r i t y o f m e d i c a l i m a g e s , s o m e a d v a n t a g e s a n d d i s a d v a n t a g e s o f t h e a p p l i c a t i o n s a b o u t i n t e r n a t i o n a l i m a g e c o m p r e s s i o n c o d in g s t a n d a r d s i n m e d i c a l i m a g e c o m p r e s s i o n a r e p o i n t e d o u t . a ft e r s o m e r e s e a r c h o n t h e c h a r a c t e r i s t ic a n d a p p l i c a t i o n s o f m e d i c a l i m a g e s , i t i s p r o p o s e d t h a t t h e m e d i c a l i m a g e c o m p r e s s i o n s h o u l d b e b a s e d o n i n f o r ma t i o n ma i n t e n a n c e o t h e r t h a n b e b ase d o n v i s i o n . w a v e l e t t r a n s f o r m i s f in a l l y p i c k e d o u t a s t h e m a i n t o o l f o r m e d i c a l i m a g e c o m p r e s s i o n b a s e d o n t h e c o m p a r i s o n o f s e v e r a l t r a n s f o r m c o d i n g m e t h o d s . t h e d i s t r i b u t i n g c h a r a c t e r i s t i c s o f m e d i c a l i m a g e w a v e le t c o e f f i c i e n t s h a v e b e e n s t u d i e d i n - d e p t h a n d a n e f f i c i e n t c o d i n g m e t h o d , i .e . a d a p t i v e g r o u p i n g h u f f m a n b a s e d o n w a v e l e t t r a n s f o r m is p r e s e n t e d . e x p e r i m e n t a l r e s u l t s s h o w t h a t t h i s m e t h o d i s u s e d t o c o m p r e s s m e d i c a l i m a g e d a t a a n d m e d ic a l v o l u m e d a t a w i t h h i g h c o m p r e s s i o n r a t i o a n d f id e l i t y . t h i s m e t h o d c a n a l s o b e u s e d t o c o m p r e s s i m a g e s w i t h m a n y d e m a n d s u p o n f i d e l i t y , s u c h as r e m o t e s e n s i n g i m a g e s . k e y w o r d s : m e d i c a l i m a g e ; w a v e le t t r a n s f o r m ; a d a p t i v e g r o u p in g h u f f m a n ; i n f o r ma t i o n ma i n t e n a n c e 第 2 页 共6 6 灭 之 基十信息保持的医学图像1+ . 缩编码 引言 随着图像处理和计算机技术的不断进步和发展， 数字成像技术在医学中的应 用日 益广泛，如在x 射线计算机断层技术 ( c t ) 、 核磁共振技术 ( m r 工 ) 、计算机 放射成像技术( c r ) 、 血管数字减影技术 ( d s a ) 、 超声图像 ( u s )以及核医学成像 技术中的应用等。 然而医学图像的数据量是巨大的， 例如在一个中等医院 ( 床位 在6 0 0 张以上) ，每年产生的图像数据量就超过一百万幅，所需数据存储容量接 近两万亿个字节。 如此庞大的数据量， 给图像的存储、 传输以及读出技术都提出 了 严峻的 挑战， 解决他的关键技术之一就是图像压缩技术。 医学图像的数据压缩， 同一般自然图像的数据压缩有所不同。自 然图像在压 缩过程中利用了人的视觉系统对细节和细节的变化不太敏感的特性， 因此引入了 较大的人为误差。这种压缩方法引入的误差对于人们观察自 然图像可能无关紧 要，但对于医学图像来说却可能造成非常严重的后果。 医学图像压缩的目的是在保证恢复图像质量满足诊断要求的前提下， 将医学 图像的位图 信息转变为另外一种能使数据量减少的表达形式。 其基本思路主要是 减少图像数据中存在的冗余信息，避免表达同一信息的相关数据重复存储和传 输。 可见， 医学图像压缩的实质是在保持必要信息的基础上去除冗余。 这是一种 基于信息保持的压缩方法，同基于视觉的压缩方法有着本质的区别。 现在的医学图像常采用无损压缩， 因为他能够精确地还原原始图像。 但是无 损图像压缩的缺点是压缩比低， 缺乏广泛的应用意义。 若采用常用的有损图像压 缩方法，则压缩比可高达5 0 倍，甚至更高，但对医学影像进行压缩时，又涉及 图像的保真度和真实性的问题。现有的图像压缩编码方法通常是基于视觉的压 缩。 当前的图像压缩编码国际标准， 若直接应用在医学图 像的压缩方面尚存在许 多缺点。 考虑到医学图像压缩的特殊性， 针对医学图像的特征和应用发展相应的 压缩编码方法就成为医学影像技术中q 54 待解决的课题。 本文选择小波变换作为医学图像压缩的主要工具。 在对医学图像小波系数的 分布特征进行深入分析的基础上， 提出了一种高效的信源编码方法， 即基于小波 变换的自适应分组霍夫曼编码方法。 实验证明这种编码方法可对医学图像或医学 体数据进行较高压缩率的压缩， 恢复图像质量满足实际应用的要求。 这种编码方 法还适合于对诸如遥感图像等需要较高保真度的图像进行压缩。 第 5页 共6 6 页 基于信息保持的医学图 像压缩编码 第一章论文课题提出的背景、研究内容、目 标以及意义 第一节研究背景 .图像压缩的必要性以及医学图像压缩的特殊性 人类社会已进入信息时代， 信息的本质要求交流和传播。 消息是信息的载体， 消息可以是语音、图像和文字等形式。 通过计算机网络交流和传播信息， 就必须 将消息转变为计算机能够识别的形式， 比如二进制的比特流数据。 这些数据要在 计算机系统上被处理、 存储、 显示和传送， 因而这些数据的表达和内部管理问题 就从很大程度上影响到了信息传播的效率。 据统计，人类依靠视觉获取的信息占 全部获取信息的 6 0 % 1 。图像能给人 们展示出直观而具体的立体彩色景象， 这是语音和文字所无法比拟的。 然而数字 图像的表示需要大量的数据， 这给图像的存储和传播带来了极大的不便。 例如从 存储来看: 一幅5 1 2 x 5 1 2 像素、 8 b i t / p i x e l 的灰度图像占2 5 6 k b ; 一幅5 1 2 x 5 1 2 像素、 2 4 b i t / p i x e l 的 彩色图 像则占7 6 8 k b : 一幅2 2 9 1 x 2 2 9 1 像素、 8 b i t / p i x e l 的气象卫星红外云图占5 . 2 5 m b - 一 从传输角度看: 一路n t s c 制的彩色数字电视， 采用s 工 f 格式， 若按4 : 4 : 4 采样， 每帧数据量是3 5 2 x 2 4 0 x 3 二 2 5 3 k b ， 每秒数 据量是2 5 3 x 3 0 = 7 .6 0 3 m b 。而一路高清晰度电视 h d t v ，每秒数据量更高达 ( 1 9 2 0 x 9 6 0 + 9 6 o x 4 8 o x 2 ) x 3 o = 8 2 .9 4 4 m b . . . 可见， 信息的 数 据量巨 大， 信息时 代带来了 “ 信息爆炸” 。 所幸的是， 信息的数据量巨大的问题可以通过数据压缩的方法有效地进行解 决。 就图像而言， 一方面图像数据的表示中存在着大量的冗余， 另一方面， 通常 情况下人的眼睛是图像信息的接收端， 而人类的视觉系统并不能对图像画面的任 何细节 和变化都感觉到。 如 果能 够去除图 像数 据中 存在的 冗余和人眼不能 感 觉到 的细节信息， 由 此引起的失真基本符合人眼的视觉特性， 那么就可以 极大地减少 原始图像数据，从而实现图像数据的有效压缩。 确切地讲， 数据的压缩是指以更少的数码表示信源所输出的信号， 从而减少 容 纳给 定 消 息 集 合 或 数据 采 样集 合的 信 号空 间 。 这里 所 提到的 信号空 间 ， 包 括 存 储数据的物理介质、 传输给定消息集合所需要的时间以及为传输给定消息集合所 需要的频带宽度。 图像的数据压缩是指用更少的数码表示图像的内容， 从而在有 限的存储空间存储更多的图像， 或者在更短的时间传递更多图像， 或者在给定时 间内在更窄的带宽上传递更多的图像。 随着图像处理和计算机技术的不断进步和发展， 数字成像技术在医学中的应 用日益广泛，如在x 射线计算机断层技术 ( c t ) 、核磁共振技术 m r i ) 、计算机 放射成像技术( c r ) 、 血管数字减影技术 ( d s a ) 、 超声图像 ( u s )以及核医学成像 第 6页 共6 6 页 基于信息保持的医学图像压缩编码 技术中的应用等。 然而医学图像的数据量是巨大的， 例如在一个中等医院 床位 在6 0 0 张以上) ，每年产生的图像数据量就超过一百万幅，所需数据存储容量接 近两万亿个字节。 如此庞大的数据量， 给图像的存储、 传输以及读出技术都提出 了严峻的挑战，解决他的关键技术之一就是图像压缩技术。 医学图像的数据压缩， 同一般自 然图像的数据压缩有所不同。自 然图像的压 缩利用了人的视觉系统对细节和细节的变化不敏感， 因此压缩过程中允许引入较 大的人为误差的特性。 这种基于视觉的压缩方法引入的误差对于人们观察自 然图 像可能无关紧要，但对于医学图像来说却可能造成非常严重的后果。 医学图像压缩的目的是在保证恢复图像的质量满足诊断要求的前提下， 将医 学图像的位图信息转变为另外一种能使数据量减少的表达形式。 其基本思路主要 是减少图像数据中存在的各种冗余信息， 避免表达同一信息的相关数据重复存储 和传输。 可见， 医学图像压缩的实质是在保持必要信息的基础上去除冗余。 这是 一种基于信息保持的压缩方法，同基于 视觉的压缩方法有着本质的区别。 2 .图像压缩编码国际标准以 及国内外医学图像压缩编码研究的现状 随着图像处理应用的日 益发展， 各种图像压缩的软硬件产品纷纷面市。 在保 证恢复图像具有一定质量的前提下， 压缩比 可达到1 0 : 1 到5 0 : 1 之间。 但是仅有 压缩技术是不够的， 为了使不同厂商的产品具有兼容性， 各公司和一些研究机构 意识到了建立通用的图像压缩标准的必要性。 实际的需要推动了技术的发展。 8 0 年代以来，i s o , i e c和 i t u等国际组织开发制定了许多重要的图像压缩标准， 其中包括静止图像压缩编码标准j p e g , j p e g 2 0 0 0 ， 视听会议压缩编码标准h . 2 6 1 , 数字声像存储压缩编码标准m p e g - 1 ， 通用视频图像压缩编码标准m p e g - 2 / h . 2 6 2 , 低比特率视听会议压缩编码标准h . 2 6 3 ， 低比特率音频与视频对象压缩编码标准 m p e g - 4 ， 多媒体信息描述标准m p e g - 7 以及最新的视听会议压缩编码标准h . 2 6 4 . 这些压缩标准的出现， 从很大程度上促进了图像信息的交流以 及现代通信技术的 发展。 随着医学成像技术、 远程医疗以及图像存储和传输系统的不断发展， 进一步 减少医学图像所占的存储空a j ， 提高网络的图像传输速度， 进行高效的医学图像 数据压缩具有非常重要的意义。 过去医学图像只是医学诊断的参考， 随着科学技 术的进步和实际需求的发展，现在医学图像已是医学诊断和疾病治疗的重要依 据， 确保恢复图像的高保真度是医学图像数据压缩首要考虑的因素。 医学图像常 采用无损压缩， 因为他能够精确地还原原始图像。 但是无损图像压缩的缺点是压 缩比低，在二维情况下压缩比在 1 . 3 -3 之间，低压缩比必然缺乏广泛的应用意 义。若采用常用的有损图像压缩方法，则压缩比可高达 5 0 倍，甚至更高，但对 医学影像压缩时， 又涉及诊断的可靠性等问题。 现有的图像压缩编码方法通常是 第 7页 共6 6 页 基于信息保持的医学图像压缩编码 基于视觉的压缩。静止图像压缩方面，例如静止图像压缩编码标准 j p e g ，通常 采用基于块的d c t 变换和嫡编码， 然而d c t 块变换在高压缩比的情况下会出现让 人难以忍受的方块效应， 这对于医学图像来说是绝对不能允许的。 运动图像压缩 方面，例如数字声像存储压缩编码标准 m p e g - 1 ，他将图像分成 p帧、b帧和 工 帧进行压缩。其中p , b 帧采用运动补偿预测技术预测得到，一旦在网络传输中 发生丢包现象， 将会影响到连续十几帧图像的解压。 在娱乐品质的视频传输中这 种情况可以通过错误隐藏的方法来解决， 但在医学图像的传输中要求恢复图像的 保真度和真实性，因此应当避免这种情况的发生。 可见，当前的图像压缩编码国 际标准， 若直接应用在医学图像的压缩方面尚存在许多缺点。 考虑到医学图像压 缩的特殊性， 针对医学图像的特征和应用发展相应的压缩编码方法就成为医学影 像技术中函待解决的课题。 第二节研究内容、目 标以及意义 1 .研究内容及目 标 本文首先介绍图像数据压缩的基本原理和主要方法， 并对当前的图像压缩编 码国际标准，包括 j p e g 系列、m p e g 系列以及 h . 2 6 x 系列分别进行了一些研究。 针对医学图像压缩的特殊性， 指出当前的图像压缩编码国际标准在医学图像压缩 中的利弊。 通过对医学图像的特征和应用的研究， 指出医学图像的压缩应当基于 信息保持，而非基于视觉。 通过对多种变换编码方法的比较， 最终选择小波变换作为医学图像压缩的主 要工具。 在对医学图像小波系数的分布特征进行深入分析的基础上， 提出了一种 高效的信源编码方法， 即基于小波变换的自 适应分组霍夫曼编码方法。 实验证明 这种编码方法可对医学图像或医学体数据进行较高压缩率的压缩， 恢复图像质量 满足实际应用的要求。 这种编码方法还适合于对诸如遥感图像等需要较高保真度 的图像进行压缩。 2 .意义 医学图像是医学诊断和疾病治疗的重要依据， 确保恢复图像的高保真度和真 实性是医学图像压缩首要考虑的因素。 尽管图像压缩技术己 经得到多年的研究和 发展，但是对医学图像压缩技术的研究进展却比较缓慢。 现有的医学图像压缩以无损压缩方法为主， 缺点是压缩率低， 实用价值不大。 至于有损压缩方法， 目 前还没有在压缩率和图像的保真度的统一方面取得很大的 进展。 但可以肯定的是， 医学图像压缩方法的研究， 必须针对医学图像的特征和 应用，否则就失去了实际的意义。 第 s页 共6 6 灭 基于信息保持的医学图像压缩编码 本文通过对传统图像数据压缩方法以及医学图像的特征和应用的研究， 提出 了 一种新的高效的医学图像压缩编码方案。 同以往的基于视觉的压缩编码方法不 同， 这种新方法是基于信息保持的， 不仅符合医学图像的特点， 也满足临床诊断 的要求。这为现代医学图像压缩技术的研究提供了一种新的思路。 第 9 j :共6 6 贝 基于信息保持的仄学图像几缩编码 第二章图像数据压缩的基本原理以及主要方法 第一节图像数据压缩的基本原理 1 .图像数据压缩的可能性 图像信号， 尤其是视频信号数字化以后的数据量一般都很大， 如果直接按照 f c m 方式进行存储或者通信是不现实的，为此需要对图像数据进行有效的压缩。 图像的压缩编、 解码过程， 是指在发送端用尽量少的符号代码有效地表示图 像信息， 并将这些符号代码作为存储或者传输的内容， 而在接受端按照一定规则 从接收到的符号代码中恢复出原始图像。 实现压缩的可能性就在于图像信源固有 的统计特性以及接受者的感知特性。 首先，图像数据中存在多种冗余。 空间冗余是图像数据中经常存在的一种冗余。 在任何一幅有实际意义的图像 中， 均有由许多灰度或颜色都相同或相近的邻近像素组成的区域。 他们形成了一 个性质相同的集合块， 即他们相互之间具有空间上的强相关性， 在图像数据中就 表现为空间冗余。去除空间冗余的最简单的方法就是把这个集合块当作一个整 体， 用极少的符号代码来表示他。 这种压缩方法的出发点是利用邻近像素之间的 空间相关性。 时间冗余是动态图像中经常存在的一种冗余。 图像序列中相邻的图像有较大 的相关性， 这些图像数据的表示中就存在时间冗余。 传送两帧图像之间的差值所 需要的符号代码比传送图像本身要少得多，从而可实现数据压缩。 信息嫡冗余是图像数据的表示中存在的一种冗余。 原始图像数据的表示中通 常不是针对每一个像素点的信息嫡的大小分配相应比特数， 而是对每个像素都用 相同的比特数表示， 这样必然存在冗余。 空间冗余、时间冗余和信息嫡冗余统称 为统计冗余【 1 0 结构冗余存在于有些图像的纹理区当中。 在这些纹理区内， 图像的像素值存 在着明显的分布模式。 例如方格状的图案等。己 知分布模式， 可以通过某一过程 生成图像。 表示分布模式的符号代码远小于原始图像数据， 从而实现了数据压缩。 其次，接收者的感知特性有利于图像数据的压缩。 在图像的传输和存储过程中， 人的眼睛往往是重建图像的最终接收者。 人的 视觉系统并不是对于图像画面的任何变化都能感知。 视觉系统对于图像场的注意 是非均匀和非线性的， 即注意主要部分， 同时观察画面的整体效果， 不必拘泥于 每一个细节。 另外， 人眼对亮度信号敏感， 对色差信号不敏感。 人眼的一般分辨 能力约为2 “ 灰度等级，而一般图像的量化通常采用2 ” 的灰度等级。因此，利用 人眼的感知特性，可以实现图像数据的压缩。 第 1 o页 共6 6 页 基于信息保持的医学图像压缩编码 另一方面， 有些图像的理解与某些知识有相当大的相关性。 例如人脸包括眼 睛、 鼻子、 嘴巴等器官， 且这些器官的相对位置一般是固定的。 这类规律性的结 构可由先验知识和背景知识得到。 利用这种知识冗余可以实现图像数据的进一步 压缩。 2 .图像数据压缩的基本原理 图像数据压缩方法按照基本原理的不同可以分为两大类。 第一类方法是基于 速率一失真理论的。 在这类方法中， 图像是由在空间和时间上取样得到的一组像 素值来表示的。 压缩的方法则是采用一般信号分析的方法来消除图像数据中的各 种冗余， 使得表示图像的符号代码数最少。 例如， 在编码过程中对冗余信息不予 分配符号代码， 从而造成冗余信息丢失， 这种方法通常要引入地址码。 或者对冗 余信息分配较少的代码， 造成冗余信息的高效压缩。 在有损压缩时还利用了人眼 视觉系统的某些特性，比如对色差信号不敏感等。 在这一类方法中， 最重要的是 了解信源的统计特性， 而不用关心图像的内容。 这类方法也被称为基于像素的压 缩方法，或者第一代图像压缩编码方法。 第二类方法出现于8 0 年代中期，是针对传统编码方法中没有考虑人眼对轮 廓、 边缘的特殊敏感性和方向感知特性而提出的， 在很大程度上依赖于对人类视 觉特性的研究。其核心思想是力图发现人眼是根据哪些关键特征来识别图像的， 然后根据这些特征来构造图像模型。 例如， 根据人眼对物体的轮廓比对物体内 部 细节更为敏感的特点， 可以利用物体( 而不是像素) 的集合来表示图像。 所谓“ 物 体” 是指按边缘信息将某特定图像分割成的若干区域， 每个区域内部具有相同的 特性 ( 如同一灰度、纹理或者运动速度等) 。分别对这些区域进行编码要比基于 像素的编码方式有效得多。 这类方法也被称为第二代图像压缩编码方法。 极低码 率的图像数据压缩往往采用这种第二代图像压缩编码方法。 第二节图像数据压缩的主要方法 根据图像数据压缩过程中图像质量是否有损失， 可把图像压缩方法分为无损 压缩和有损压缩两种。 1 .无损压缩方法 无损压缩也称为可逆编码 全相同， 没有任何信息的损失 图像经过无损压缩后， 解压后的图像与原图像完 嫡编码是一类常用的无损压缩方法， 利用了信源 的信息墒冗余， 是基于信号统计特性的编码技术。 嫡编码的基本原理是给出现概 率较大的符号一个短码字， 而给出现概率较小的符号一个长码字， 这样使得最终 第 t i 页 共6 6 页 基于信息保持的医学图像压缩编码 的平均码长很短 一个精心设计的嫡编码器， 其输出的平均码长能够接近信源的 信息嫡。 常用的嫡编码方法主要有霍夫曼编码、算术编码和游程编码。 霍夫曼编码是一种不等长最佳编码方法仁 2 1 3 。 这里的最佳是指对相同概率 分布的信源进行编码时， 他的平均码长比其他任何一种有效编码方法都短。 霍夫 曼编码通过构造一个二叉树来保证编码后的码长严格按照所对应符号出现概率 大小逆序排列， 从而使得平均码长最短。 霍夫曼编码前必须知道信源符号的概率 分布， 这一 般是无法做到的， 通常采用对大量数据进行统计后得到的近似分布来 代替。 但是不同的图像类型其系数分布往往差异很大， 这导致实际应用时无法达 到最佳性能。 通过根据输入数据序列自 适应地匹配信源概率分布的方法， 可以较 好地改进霍夫曼编码的性能。 但这种自 适应更新码表的霍夫曼编码方法一方面运 算复杂， 不适合硬件实现， 另 一 方面如果出现误码， 就可能造成译码器端的码表 不能同编码器端的码表保持一致，从而导致误码扩散 4 o 算术编码是8 0 年代发展起来的一种嫡编码方法。他的理论基础是任何一个 数据序列均可表示成0 和1 之间的一个间隔， 该间隔的位置与输入数据的概率分 布有关。 可以根据信源的统计特性来设计具体的编码器， 也可以针对未知概率类 型的信源设计能够自 适应适配其分布的算术编码器， 并且这两种形式的编码器均 可以用硬件来实现。 有关的实验数据表明， 在未知信源概率分布的情况下， 算术 编码的性能往往要优于霍夫曼编码。 但是由于算术编码是将整个信源码流作为一 个整体来考虑， 编、 译码过程中其码字是相互藕合的。因此当出现误码时， 其错 误的扩散是很严重的 4 。解决办法是将信源分段，逐段编译码。可想而知，代 价是编码性能的降低 游程编码主要用于量化后出现大量零系数的情况，利用游程来表示连零码， 降低为表示零码所用的数据量。对于非零系数，游程编码给出的码长却比较长， 这也是为连零码的精简表示所付出的代价。 所以 对于连零系数不多的情况， 游程 编码效率并不高。但游程编码具有较强的抗误码能力。 上述无损压缩方法通常同其他方法结合使用。 例如可对变换、 预测编码之后 的图像系数进行进一步的压缩。 2 ，有损压缩方法 有损压缩也称为不可逆编码。 图像经过有损压缩后， 解压后的图像与原图像 不完全相同，压缩过程中有信息的损失。 但是有损压缩方法的压缩率通常较高， 因此在图像数据压缩中常常被采用。 使用有损压缩方法进行数据压缩的关键是如 何在压缩率与图像质量之间取得一个折衷。常用的有损压缩方法有:预测编码， 变换编码和矢量量化。 第 1 2页 共6 6 页 基于信息保持的医学图像l t _ 缩编码 2 . l预测编码 预测编码有线性预测和非线性预测两类， 他们可以在一幅图像内进行 帧内 预测) ， 也可以在多幅图像之间进行 ( 帧间预测) 。 预测编码基于图像数据的空间 和时间冗余特性，用相邻的己知像素或图像块来预测当前像素或图像块的取值， 然后再对预测误差进行量化和编码。 预测编码的关键在于预测算法的选取， 这与 图像信号的概率分布有关。 帧内预测编码一般采用像素预测形式， 利用相邻像素 之间的相关性进行预测。 帧间预测编码主要利用运动图像相邻帧间的相关性， 即 图像数据的时间冗余来达到压缩目的。 其中运动补偿预测编码现已被各种运动图 像编码标准采用，能得到很好的压缩效果。 运动补偿预测编码的基本原理如图1 所示。 这类帧间预测编码方法的主要缺点是为了降低预测算法的运算复杂度和提 高预测精度，一般要对图像进行分块后再预测，这势必造成分块边缘的不连续。 预测编码的另一缺点是对信道噪声及误码很敏感， 会产生误码扩散， 使图像质量 大大降低。预测编码很少独立使用，通常和其他编码方法结合使用。 9场 茁像 图1运动补偿预测的基本原理 2 . 2变换编码 变换编码是将通常在时域描述的信号 ( 如声音信号) 或空域描述的信号 ( 如 图像信号) 变换到另外一些正交矢量空间 ( 即变换域)中进行描写， 并使变换域 中描写的各信号分量之间相关性很小或不相关， 从而与变换前相比， 其能量更加 集中。 尽管图像变换本身并不造成数据压缩， 但他为图像提供了一个良 好的表示 形式。 这样变换后的系数之间相关性明显降低， 图像的大部分能量只集中到少数 几个系数上， 结合量化和嫡编码方法就可以有效地压缩图像数据。同时， 图像经 过变换， 系数的空间分布和频率特性往往与人眼的视觉系统匹配， 从而便于利用 人眼视觉系统的特性进一步地压缩图像数据。常用的变换编码方法有k - l 变换， 离散余弦变换和小波变换等。 k - l 变换是变换编码中的最佳线性变换。 他是用数据本身的相关矩阵对角化 第 1 3页 共6 6 页 基于信息保持的医学图像压缩编码 后构成的， 变换后将产生完全不相关的变换系数。 在此基础上进行编码， 可获得 最佳性能。 但是k - l 变换的变换矩阵是由图像数据本身决定的， 不同的图像数据 有不同的变换矩阵， 这就使得变换矩阵的获取非常困难， 且不经济。 另外， 尽管 k - l 变换对于简单的统计模型可以用已知的解析式表示，但是一般来说，k - l 变 换的计算没有可行的快速算法。 虽然k - l 变换不是一 种实用的变换方法， 但他毕 竟是线性变换编码的一个最佳方案，常常作为其他线性变换性能比较的基准。 离散余弦变换 ( d c t )在现有的变换编码方法中，对大多数图像信源来说是 最接近k - l 变换的变换方法。 d c t 实质上是傅立叶变换的一种变形。 经过d c t 变 换， 幅值较大的图像系数大多集中在图像块的左上角。 这是图像信号的低频系数， 包括了图像信号的绝大部分能量， 对重构图像质量影响很大。 另一方面， 图像块 的右下角集聚了很多幅值很小的系数。 这是图像信号的高频部分， 在原图像中占 很小比例的能量， 对重构图像质量的影响很小。 经过d c t 变换后， 后续的量化和 编码可针对图像块各部分对重构图像质量影响的大小来分别处理。 因为d c t 变换 与k - l 变换压缩性能和误差比较接近， 而计算复杂度适中， 又具有可分离特性和 快速算法等特点， 所以近年来在图像数据压缩中采用d c t 变换进行变换编码的方 案很多。 为了降低变换算法的运算复杂度和提高编码效率， 余弦变换常常采用分块变 换技术。 在高压缩比的情况下分块变换编码会造成严重的方块效应， 这使得d c t 变换不适合需要较高压缩比的场合。同时由于d c t 变换不具有良 好时频局域性， 变换后的系数失去了对原图像精细结构的描述， 从变换图像中得不到原始图像边 缘、 轮廓等局部信息。 单纯的依靠丢弃高频系数来提高压缩比会导致图像的边缘 轮廓模糊，严重影响恢复图像的主观质量。 小波变换作为一个新的数学分支， 是继傅立叶变换以来最重要的时频分析工 具。 傅立叶变换是基于复指数函数的完备正交基的线性变换， 是研究平稳信号的 理想工具。 小波变换具有良好的时频局域性， 是研究非平稳信号的理想工具。 小 波变换同时还具有很好的能量集中特性和多分辨率表示等特点。用于图像变换 时， 小波变换还具有全局变换的优点。 因此近年来小波变换在图像处理领域得到 了广泛的应用。 小波定义为由满足一定条件的母函数通过伸缩和平移生成的函数 簇。 经过小波变换非平稳信号可被分解为小波的线性组合。 经过小波变换， 图像 可以分解成一幅低分辨率图像和许多分辨率由 低到高的表示图像细节的子图像。 低分辨率图像系数幅值较大， 包含了图像信号的绝大部分能量， 对重构图像质量 影响很大。 高分辨率图像系数幅值很小， 包含了图像信号的少量能量， 对重构图 像质量影响很小。 图像的这种多分辨率表示形式特别适合人眼的视觉特性。 后续 的编码方法可以利用不同分辨率的子图像对重构图像质量影响的不同以及人眼 视觉系统的特性对各个子图像分别进行编码。 小波变换的优点是压缩比高， 压缩 第 1 4贝共6 6 贝 基于信息保持的医学图像1 t : 缩编码 速度快， 压缩后能保持信号与图像的特征不变。 但是为了使小波变换图像编码方 法的潜在性能发挥出来，还有很多问题需要解决，例如变换系数如何有效组织、 人眼视觉特性的应用以及最佳小波基的选取等。 2 . 3矢量量化 矢量量化的基本思路是利用图像相邻像素之间或强或弱的相关性， 将若干个 相邻像素当作 一 个整体来对待， 从而达到更好的量化效果。 矢量量化时， 每个样 值的量化除与他本身的大小以及分层的粗细有关外，还与相邻的样值大小有关。 如果把一个像素看作一个整体， 则此时的矢量量化就退化为标量量化。 所以可以 说， 标量量化是矢量量化的特殊情况。 矢量量化中的关键技术是码书的设计。 设 计出的码书越适合待编码的图像的类型， 矢量量化器的压缩性能就越好。 矢量量 化实现数据压缩的根本原因在于传输中是以区间标号来取代原来的量值， 而量化 区间总数远远小于原量值的总数，从而实现了数据的压缩。 2 . 4人工神经网络和分形 传统的图像压缩方法建立在数字信息处理和概率统计的基础上， 没有或者很 少利用人眼的视觉特性，这使得传统的压缩方法已经逐渐不能满足应用的需求。 图像压缩的方法离不开人们对人眼视觉的了解。 人的视觉系统每天接受大量的图 像和视频信息， 经过视网膜从光信号转变为神经信号， 经过神经节细胞、 外侧膝 状体细胞等的汇集， 传送到大脑皮层的视觉区的视觉皮层细胞中。 在这一过程中， 信息得到大量的压缩， 去除了冗余和无用的信息， 留下真正的精华， 为人做各种 决策提供依据。 这种图像信号的压缩， 是现有任何压缩方法所无法比拟的。 人工 神经网络的研究表明特别适应于并行处理， 而在哺乳动物的视觉系统中， 视觉信 息正是以大量平行的内部相关的网络来处理的。 这种平行结构即从视网膜到视皮 层的高度有序的结构是很明显的，这正是人工神经网络可以发挥其优点的地方 5 。 人工神经网 络就是要从结构上模拟人脑的 功能。 用于图像压缩时就是要从 图像中取出精华部分， 传送给人眼。 由于人工神经网络的特征与人类自己的许多 视觉系统特征相似， 这些特征包括大量的并行结构、 高度的相关性、 储存经验知 识的倾向和自我组织能力， 因此他很适合图像数据的处理， 包括图像数据的压缩。 人脑具有十分复杂的结构， 对人脑的认识需要一个漫长的过程， 模拟人脑的 功能更加困难。 神经网络的工作机制至今仍不清楚， 硬件研制也不太成功， 在图 像编码中的应用研究进展缓慢，目 前只能与其他方法结合使用 6 。因此， 对人 工神经网络的研究还有很长的路要走 但可以肯定的是， 人工神经网络的发展为 图像数据压缩方法的研究开辟了一条新的道路。 近年来， 分形理论作为一门新兴的非线性学科， 其在图像压缩技术中以其潜 在的高压缩比引起了世人的瞩目 。 与以 往的压缩编码算法不同， 分形图像压缩利 用的不仅仅是相邻像素之1 j 的相关性， 而且利用了图像局部与整体， 局部与局部 第 1 5页 共6 6 页 基于信息保持的医学图像压缩编码 之间的自相似性来进行图像压缩仁 7 1 。由于体现了全局考虑的思想，所以能够获 得更高的压缩比。 分形图像压缩的基本原理是利用图像的自 相似性， 用二维仿射 变换集合的吸引子来近似待编码的图像， 从而达到数据压缩的目的。 经典的分形 图像压缩方法是基于j a c q u i n 的分割迭代函数系统 ( p i f s ) 的分块式分形图像压 缩编码方法仁 8 j 。分形编码的缺点是由于图像分割迭代函数系统代码的获得非常 困难， 因而实现起来时间长， 算法复杂， 而且目前分形图像压缩编码方法的设计 往往是经验性的， 儿乎没有理论结果可以用来指导这种设计。 所以分形图像压缩 编码方法还迫切需要得到进一步的发展。 第 1 6页 共6 6 页 基于信息保持的医学图 像压缩编码 第三章 图像压缩编码国际标准及医学图像压缩编码研究的现状 第一节图像压缩编码国际标准 1 .静态图像压缩编码国际标准:j p e g , j p e g 2 0 0 0 8 0年代以来，随着图像处理应用的日益发展，各种图像压缩的软硬件产品 已很普遍。 为了使不同厂商的产品具有兼容性， 各公司都非常重视建立通用的图 像压缩标准。 这样，由i s o 和i e c 两个组织机构联合组成了一个专家组 ( j p e g ) , 负责制定静态的数字图 像数据压缩编码标准。 这个专家组开发的算法称为 j p e g 算法，又称为 j p e g标准m o j p e g是一个适用范围很广的静态图像数据压缩标 准，即可用于灰度图像又可用于彩色图像。 j p e g 专家组开发了两种压缩算法，一种是采用以离散余弦变换 ( d c t ) 为基 础的有损压缩算法，另一种是采用以 预测技术为基础的无损压缩算法。 j p e g定义了一个基本系统，利用 d c t变换消除空间冗余，同时利用了人的 视觉系统的特性，使用量化和嫡编码相结合来去除视觉冗余和空间冗余。j p e g 基本系统的编解码算法框图如图2 所示。 8 . 8 图像块 编码器 ( a ) j p e g 基 木系 统 编 码 器步 骤 解码器 压缩图像数据 ( b ) j p e g 基 木系 统 解 码 器 步 骤 图2 j p e g 基本系统编解码算法框图 压缩编码大致分为三个步骤: 1 ) 使用基于块的前向离散余弦变换 ( f d c t ) 把空间域表示的图像变换到频率域。 2 )根据人的视觉系统特性对d c t 系数进行加权量化。 3 )用 z行扫描组织各区域块的交流系数，使用霍夫曼编码方法进行编码。z型 排序原理如图3 所示。 同时将各区域块的直流系数利用d p c n 方法进行预测编码。 译码或者解压缩的过程与编码过程正好相反。 j p e g 有四种工作模式: 无失真编码， 顺序编码， 渐进编码， 层次编码 1 0 1 . 第 1 7页 共6 6 页 基于信息保持的医学图像压缩编码 网曰日曰日曰日曰 了z冈冈zzz区 网冈区zzzz仄 了zz冈冈冈冈团 阻只zzzzz区 了zzzzzz压 网团zzzzz区 网p区区巴巴匡匕 图3量化后的d c t 系数的z 形排序 j p e g 标准已 经被广泛使用，并且取得了巨大的成功。 然而基于分块d c t变 换的j p e g 系统存在诸多缺点， 例如在高压缩比的情况下会出现严重的方块效应。 这些缺点随着他在医学图像、多媒体、工 n t e r n e t和移动网 络中的应用而日 益明 显。虽然j p e g 的扩展系统从某种程度上解决了这个问题，但也仅仅是在非常有 限的范围， 并且有时还受到专利等知识产权的限制。 为了能够用单一的压缩码流 提供多种性能、 满足更为广泛的应用， j p e g 工作组于1 9 9 6 年就开始探索一种新 的 静止图 像压缩编码标准， 并将之称为j p e g 2 0 0 0 1 1 0 j p e g 2 0 0 0 不仅提供了比j p e g 系统更高的压缩效率， 而且提供了一种对图像 的新的描述方法，可以用单一码流提供适应多种应用的性能。他与j p e g 相比主 要有以下的优点: 更高的压缩比; 嵌入式码流 ( 支