医学影像的自适应分形压缩技术

医学影像使得临床医生对人体病变部位的观察更直接、更清晰。作为成像技术基础的计算机和医学影像处理技术推动着现代医学诊断的深刻变革。

影像存档及通信系统(Picture Archiving and Communication System, PACS)是近年来国内外新兴的医学影像信息技术,包括影像获取、处理、存储、显示或打印的软硬件系统,是医学影像、数字化影像技术、计算机技术和网络通信技术相结合的产物。PACS 需要解决数据传输和影像存储的问题,医学影像压缩是关键的技术之一[1]。

研究人员结合模式识别、计算机视觉、神经网络理论、小波变换和分形理论等探索影像编码的新途径,同时人的视觉生理心理特性的研究成果也开拓了人们的视野[2]。

分形影像压缩方法是一种新的图像编码方法,它是一种基于图像内容间存在的自相似性关系的编码方法。随着图像处理方法的发展,分形压缩技术正从一致的编码方法发展到自适应的编码方法[3,4]。本研究介绍医学影像的自适应分形压缩技术,特别是图像区域划分和编码方法的自适应性。

1 分形和分形影像压缩

分形是美国科学家B. Mandelbrot给不规则的支离破碎的复杂图形的命名。分形一般是指一个粗糙或零碎的几何形状,可以分成数个部分,且每一部分都(至少会大略)是整体缩小尺寸的形状[5],此性质称为自相似性。

分形压缩是一种有损的图像压缩方法,它利用分形几何原理对影像进行高水平的压缩。

由于医学影像中存在某种形式的分形自相似性,因此可以利用影像整体与局部的自相似性,应用迭代函数系统(IFS)理论实现分形影像压缩编码。分形编码过程包括图像的分割、搜索最佳匹配和编码相关参数三个步骤。首先利用图像处理技术将图像划分成若干不重叠的值域块Rj和可以重叠的定义域块Dj,然后对每个Rj寻找某个Dj,使Dj在规定的最小误差内经过某个变换Wj映射到Rj,记录下子块Rj和Dj及变换Wj的参数,得到一个迭代函数系统,最后对这些参数进行编码。分形解码过程利用编码传来的参数确定迭代函数系统,经过有限次迭代,图像趋近于迭代函数系统的吸引子,即为解码图像。

2 自适应区域划分方法

一致的分形编码方法由于没有考虑图像特征的高度非线性和不一致性,统一的图像分区不能产生令人满意的率失真性能。因此,研究人员提出了自适应的区域划分。例如,四叉树分解,水平垂直块分解,多角形分解,三角形 (矩形)的分裂合并方法,基于图像分割(边缘粗尺度,纹理细尺度)的划分方法等等[6,7]。这些方法利用了图像的空间不一致性,能够适应图像的不同变化。

其中,图像的分类和不同块的分裂合并遵从一些不同的原则。例如,不同区域子块的局部整体变分,方差,分数维(分形维数是一个表征分形复杂或粗糙程度的量)和定义的某种差别量等[4]。

利用合理的划分准则和策略,可以将图像划分为适合图像特征的不同性质的图像子块,以便于有效的分形编码和优越的编码性能。当然,还有图像不同子块的自适应匹配方法。

3 自适应编码方法

一幅图像中存在对于临床医生具有不同意义的内容,为了有效地节省存储空间,研究人员提出了基于感兴趣区的影像编码方法:对于图像的不同区域采用不同类型的编码方法,这就是编码方法的自适应性[3]。

医疗数字影像传输协定DICOM (Digital Imaging and Communications in Medicine)是一组对于医学影像的处理、储存、打印和传输的通用的标准协定,包含了档案格式的定义及网络通信协定。DICOM可以整合不同厂商的医疗影像仪器、服务器、工作站、打印机和网络设备于PACS系统中。DICOM标准的使得自适应压缩编码得到更大的发展。

研究者将图像分为感兴趣区和非感兴趣区。对于感兴趣区,为了更好地保持图像的病理特征,尽量使用无损压缩方法。例如,预测法,变换法,平均信息法(熵编码),方块编码法,游程编码法及轮廓编码法等。对于非感兴趣区,为了更好地保持节省存储空间,使用有损压缩方法。例如,JPEG,JPEG 2000以及压缩比非常高的分形压缩技术。

4 医学分形影像压缩的进一步发展

人们提出了许多自适应改进方案。这些方案一般围绕着提高压缩比和编码效果,提高编码和解码速度,分形与其他工具相结合的影像压缩新方法等方面进行。自适应分形影像压缩技术是一个有潜力、有发展前途的压缩方法。

参 考 文 献

[1] G.S. Michael. Review of compression methods for medical images in PACS.International Journal of Medical Informatics, 1998, 52(13): 159165.

[2] 阮秋琦. 数字图像处理学. 电子工业出版社, 2004.

[3] Y. Fisher. Fractal Image CompressionTheory and Application. SpringerVerlag, 1995.

[4] B. Wohlberg, G. de Jager.A review of the fractal image coding literature.IEEE Transactions on Image Processing, 1999, 8(12): 17161729.

[5] B. Mandelbrot. The Fractal Geometry of Nature. W.H. Freeman and Company, 1982.

[6] H. Hartenstein, M. Ruhl, D. Saupe.Regionbased fractal image compression. IEEE Transactions on Image Processing, 2000, 9(7): 11711184.

[7] C.M. Kung, W.S. Yang, C.C. Ku, C.Y. Wang. Fast fractal image compression base on block property.International Conference on Advanced Computer Theory and Engineering, 2008, 477 481.