CN104837022A - 一种基于hevc的神经影像数据压缩方法 - Google Patents
一种基于hevc的神经影像数据压缩方法 Download PDFInfo
- Publication number
- CN104837022A CN104837022A CN201510212943.5A CN201510212943A CN104837022A CN 104837022 A CN104837022 A CN 104837022A CN 201510212943 A CN201510212943 A CN 201510212943A CN 104837022 A CN104837022 A CN 104837022A
- Authority
- CN
- China
- Prior art keywords
- neuroimaging
- data
- sequence
- frame
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Processing Or Creating Images (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于HEVC视频编码标准的神经影像数据压缩方法,通过维度重排和帧平面填充得到以不同维度作为编码帧方向的神经影像数据集合,利用高压缩性能的视频编码器对该集合中的神经影像数据进行视频编码,选择最小码流作为神经影像的压缩输出,在不改变标准视频码流结构的前提下,可充分消除神经影像在不同维度上的数据冗余,进一步提高神经影像数据的压缩效率;此外,可以根据实际应用场景的不同,灵活地选用无损压缩和有损压缩,通过面向用户的视频编码参数配置保持压缩性能与压缩开销之间的平衡,通过兼容NIfTI标准神经影像格式确保神经影像的通用性。
Description
技术领域
本发明涉及医学、神经科学和心理学中较新的神经影像(neuroimaging)处理领域,具体涉及一种基于视频编码标准的医学影像数据压缩方法,更具体涉及一种利用HEVC(HighEfficiency Video Coding,高效视频编码)视频编码标准对神经影像数据进行压缩编码的方法。
背景技术
随着医学成像技术的不断进步,MRI(Magnetic Resonance Imaging,磁共振成像)和CT(Computed Tomography,计算机断层扫描)已成为临床诊断和科学研究中必不可少的辅助手段。由于可以安全、无创伤地获取高分辨率的大脑图像,自上世纪80年代以来,MRI已成为革命性的标准神经成像工具,极大地推动了医学、神经生理学和认知神经科学的迅速发展。
随着神经影像技术的迅猛发展,各医疗、研究机构的神经影像数量不断累积,造成机构之间共享以及机构内部存储、管理和访问这些庞大的神经影像资源愈加复杂。首先,不同机构和数据分析软件为实现神经影像资源的交换和共享,必须采用统一的标准格式充分描述影像元数据和影像数据;其次,各机构广泛使用影像归档和通信系统(Picture Archiving andCommunication Systems,PACS)进行神经影像的存贮、检索、分发和可视化,如何高效地存储、访问影像数据,并能在带宽各异的网络环境下实现影像传输亟需解决。2004年发布的神经影像通用存储格式NIfTI(Neuroimaging Informatics Technology Initiative,神经影像信息技术倡议)很好地解决了不同机构、不同分析软件间的数据共享问题,已成为神经影像的标准格式,获得了广泛应用。NIfTI格式虽然解决了数据共享问题,并可选用gzip标准压缩软件实现数据压缩,但由于未考虑影像层(slice)内、层间以及体积(volume)间的数据相关性,依然存在影像数据过于庞大的问题,无法实现神经影像的高效存储和传输。因此,神经影像数据压缩是神经影像处理领域的重要研究问题,具有迫切的应用需求和广阔的应用前景。
医学影像压缩算法可以分为无损压缩和有损压缩两类。相对无损压缩,有损压缩可以实现更高的压缩比,但无法正确重建原始影像,可能导致错误诊断或分析,因此,无损压缩通常是解决医学影像数据有效存储、传输问题的公认方法。
针对高维医学影像的无损压缩方法主要分为基于小波变换的方法和基于预测编码的方法。前者利用离散小波变换去除数据冗余,如基于JPEG2000、3D-JPEG2000、4D-JPEG2000的医学影像压缩方法;后者利用MC(Motion Compensation,运动补偿)或DPCM(DifferentialPulse Code Modulation,差分脉冲编码调制)去除层内、层间或体积间的数据相关性,如基于H.264/AVC、HEVC视频编码标准的医学影像压缩方法。大量测试结果表明,基于预测编码的方法比基于小波变换的方法具有更高的压缩性能。
Sanchez等人(V.Sanchez,P.Nasiopoulos,R.Abugharbieh."Efficient lossless compression of4-D medical images based on the advanced video coding scheme",IEEE Transactions onInformation Technology in Biomedicine.vol.12,no.4,pp.442-446,July 2008.)提出了一种基于H.264/AVC视频编码标准的四维医学影像压缩方法。该方法通过将H.264/AVC的多参考帧运动补偿技术引入空间维度与时间维度的层间预测之中,有效地去除了各维度的数据冗余,与基于小波变换的方法相比,大幅提高了压缩效率。
Sanchez等人(V.Sanchez,P.Nasiopoulos,R.Abugharbieh."Novel lossless fMRI imagecompression based on motion compensation and customized entropy coding",IEEE Transactions onInformation Technology in Biomedicine.vol.13,no.4,pp.645-655,July 2009.)对上述基于H.264/AVC多参考帧运动补偿技术的医学影像无损压缩方法进行了改进,提出了一种用于功能性磁共振影像的无损压缩算法。通过引入4-D运动搜索、可变尺寸块匹配和双向预测机制,进一步降低了空间维度与时间维度的数据冗余。根据残差数据和运动矢量数据的统计特性,设计了适于对此类数据进行熵编码的上下文自适应二进制算数编码器,进一步提高了编码性能。
随着具有更高压缩性能的新一代视频编码标准HEVC的正式发布,Sanchez等人(V.Sanchez,J.Bartrina-Rapesta."Lossless compression of medical images based on HEVC intracoding".IEEE International Conference on Acoustics,Speech and Signal Processing(ICASSP).pp.6622-6626,May 2014.)提出了一种基于HEVC帧内预测编码的医学影像无损压缩方法。通过引入更细致的预测方向和基于像素的DPCM预测机制实现三维结构影像的无损压缩,与HEVC原始帧内预测编码相比,有效提升了压缩效率。
虽然上述基于视频编码标准的医学影像无损压缩方法具有优秀的压缩性能,但仍然存在以下问题:
(1)上述基于H.264/AVC的医学影像压缩方法虽然在编码性能上表现突出,但仅考虑了如何利用视频编码框架去除数据冗余,局限于通过改进视频编码器以提高其无损编码效率,而没有充分考虑医学影像数据在空间、时间上的相关性要远远高于视频编码所面向的自然场景;
(2)由于在保持相同视觉质量的前提下,HEVC的压缩效率比H.264/AVC提高一倍,因此,上述基于H.264/AVC的医学影像压缩方法还有较大的压缩比提升空间;
(3)上述基于HEVC的医学影像压缩方法过于强调解码图像的随机访问需求,根据原始影像目标边缘丰富的特征,仅通过改进HEVC的帧内预测编码机制提高压缩效率,却忽略了压缩性能更为突出的HEVC帧间预测编码;
(4)上述方法均涉及对标准视频编码器内部预测编码或熵编码机制的改动,产生的视频码流不再符合标准规定,无法利用标准解码器解码,势必影响此类方法的实际应用与推广,实用性有待检验;
(5)Razaak等人(M.Razaak,M.G.Martini,K.Savino."A study on quality assessment formedical ultrasound video compressed via HEVC",IEEE Journal of Biomedical and HealthInformatics.vol.18,no.5,pp.1552-1559,Sept.2014.)通过主客观图像质量评价测试证实当量化参数QP不大于35时,利用HEVC对医用超声波影像进行有损压缩并不会影响诊断结论。因此,无损压缩方法并非医学影像压缩的唯一选择,在不影响诊断结论或分析结果的前提下,具有更高压缩性能的有损压缩方法显然是更好的选择。
综上所述,一种实用的、可充分发挥最先进视频编码标准的高压缩性以有效去除影像各维度间的相关性、能面向不同使用场景兼顾无损压缩与有损压缩、可根据实际计算及存储资源情况灵活选择压缩性能与压缩开销相平衡的视频编码参数配置、与NIfTI标准格式兼容的神经影像压缩方法亟待提供。
发明内容
本发明提供一种基于HEVC视频编码标准的神经影像数据压缩方法,通过维度重排和帧平面填充得到以不同维度作为编码帧方向的神经影像数据集合,利用高压缩性能的视频编码器对该集合中的神经影像数据进行视频编码,选择最小码流作为神经影像的压缩输出,在不改变标准视频码流结构的前提下,可充分消除神经影像在不同维度上的数据冗余,进一步提高神经影像数据的压缩效率;此外,可以根据实际应用场景的不同,灵活地选用无损压缩和有损压缩,通过面向用户的视频编码参数配置保持压缩性能与压缩开销之间的平衡,通过兼容NIfTI标准神经影像格式确保神经影像的通用性。
为实现上述目的,本发明的技术方案如下:
一种基于HEVC的神经影像数据压缩方法包括以下步骤:
(1)提取NIfTI格式原始神经影像文件I的文件头H和神经影像数据D;将视频编码器标识嵌入文件头H的说明字段;
(2)对步骤(1)所述神经影像数据D进行维度重排,得到三个视频帧平面分别为所述神经影像数据D体积(volume)的横断面(axial plane)、冠状面(coronal plane)和矢状面(sagittal plane)的神经影像序列A、C和S;
(3)分别对步骤(2)所述神经影像序列A、C和S进行帧平面填充,使各序列的帧宽和帧高能被步骤(1)所述视频编码器标识对应的视频编码器最小编码单元尺寸L整除;
(4)根据步骤(1)所述视频编码器标识,使用相应的标准视频编码器对步骤(3)所述神经影像序列A、C和S进行视频编码,得到对应的神经影像序列压缩码流A′、C′和S′;
(5)在步骤(4)所述神经影像压缩码流A′、C′和S′中选择最小码流M作为步骤(1)所述神经影像数据D的最终压缩码流;将所述最小码流M对应的帧平面标识嵌入步骤(1)所述文件头H的说明字段;将所述文件头H与最小码流M合并,得到压缩后的神经影像文件I′;
(6)解码端提取步骤(5)所述压缩后的神经影像文件I′的文件头H′和压缩后的神经影像数据D′;从文件头H′中解析视频编码器标识,调用相应的标准视频解码器对压缩后的神经影像数据D′进行视频解码,得到重建的神经影像序列R′;
(7)根据步骤(6)所述视频编码器标识得到对应的视频编码器最小编码单元尺寸L;从步骤(6)所述文件头H′中解析原始神经影像数据维度信息和帧平面标识,对所述重建的神经影像序列R′进行帧平面裁剪;
(8)根据步骤(7)所述原始神经影像数据维度信息和帧平面标识,对所述重建的神经影像序列R′进行维度复原,得到重建的原始神经影像数据R;将视频编码器标识和帧平面标识从步骤(6)所述文件头H′中清除;将所述文件头H′与重建的原始神经影像数据R合并,得到重建的NIfTI格式神经影像文件。
所述文件头均指NIfTI数据格式工作组官方定义的NIfTI-1标准神经影像格式文件头。
所述视频编码器标识定义为字符串:HEVC为"{h265}";H.264/AVC为"{h264}",优选"{h265}"。
所述帧平面标识定义为字符串:横断面为"{a}";冠状面为"{c}";矢状面为"{s}"。
所述步骤(2)中对神经影像数据进行维度重排的具体方法为:若神经影像数据D为X×Y×Z的三维结构性MRI数据,分别将D(x,y,z)映射为X×Y×Z的体积内横断面神经影像序列A(x,y,z)=D(x,y,z)、X×Z×Y的体积内冠状面神经影像序列C(x,z,y)=D(x,y,z)和Y×Z×X的体积内矢状面神经影像序列S(y,z,x)=D(x,y,z),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1;若神经影像数据D为X×Y×Z×T的四维功能性MRI(functionalMRI,fMRI)数据,分别将D(x,y,z,t)映射为X×Y×(T×Z)的体积间横断面神经影像序列A(x,y,t,z)=D(x,y,z,t)、X×Z×(T×Y)的体积间冠状面神经影像序列C(x,z,t,y)=D(x,y,z,t)和Y×Z×(T×X)的体积间矢状面神经影像序列S(y,z,t,x)=D(x,y,z,t),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1,t=0,1,...,T-1。
所述步骤(3)中所述视频编码器最小编码单元尺寸L由步骤(1)所述视频编码器标识得到,当视频编码器标识为"{h265}"或"{h264}"时,L分别为8或16,优选8。
所述步骤(3)中对神经影像序列进行帧平面填充的具体方法为:若步骤(1)所述神经影像数据D为X×Y×Z的三维结构性MRI数据或X×Y×Z×T的四维fMRI数据,则体积内或体积间横断面神经影像序列A的帧宽和帧高分别为X和Y,体积内或体积间冠状面神经影像序列的帧宽和帧高分别为X和Z,体积内或体积间矢状面神经影像序列S的帧宽和帧高分别为Y和Z;如果序列A、C和S的帧宽、帧高不能被步骤(3)所述视频编码器最小编码单元尺寸L整除,则对该序列所有帧的右边缘或下边缘利用相邻列或相邻行的像素填充,将帧宽和帧高调整为L的整数倍。
所述步骤(4)中对所述神经影像序列A、C和S进行视频编码时,视频编码参数包括编码类型和编码配置:编码类型包括无损编码和有损编码,优选无损编码;编码配置包括全帧内编码配置(All intra,AI)、低延时双向预测配置(Low-delay B,LB)和随机访问配置(Randomaccess,RA),当神经影像数据为三维结构性MRI数据时优选RA,当神经影像数据为四维fMRI数据时优选LB。
所述步骤(7)中对重建的神经影像序列R′进行帧平面裁剪的具体方法为:若所述原始神经影像数据为X×Y×Z的三维结构性MRI数据或X×Y×Z×T的四维fMRI数据,根据所述帧平面标识和所述视频编码器最小编码单元尺寸L,按照步骤(3)帧平面填充的逆过程去除所述重建的神经影像序列R′中填充的列或行。
所述步骤(8)中对重建的神经影像序列R′进行维度复原的具体方法为:若所述原始神经影像数据为X×Y×Z的三维结构性MRI数据:当帧平面为横断面时,R′为X×Y×Z的影像序列,所述重建的原始神经影像数据R(x,y,z)=R′(x,y,z);当帧平面为冠状面时,R′为X×Z×Y的影像序列,R(x,y,z)=R′(x,z,y);当帧平面为矢状面时,R′为Y×Z×X的影像序列,R(x,y,z)=R′(y,z,x),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1;若原始神经影像数据为X×Y×Z×T的四维fMRI数据:当帧平面为横断面时,R′为X×Y×(T×Z)的影像序列,所述重建的原始神经影像数据R(x,y,z,t)=R′(x,y,t,z);当帧平面为冠状面时,R′为X×Z×(T×Y)的影像序列,R(x,y,z,t)=R′(x,z,t,y);当帧平面为矢状面时,R′为Y×Z×(T×X)的影像序列,R(x,y,z,t)=R′(y,z,t,x),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1,t=0,1,...,T-1。
本发明的有益效果是:
通过上述技术方案,首先将原始神经影像数据按体积横断面、冠状面和矢状面重排为三个神经影像序列后进行视频压缩编码并选择最小码流,与NIfTI推荐的gzip压缩方法相比,大大提高了压缩效率,与现有仅对横断面(将slice作为帧平面)序列进行视频压缩的方法相比,能发现神经影像数据在体积内或体积间上下、前后、左右方向上空间相关度或时间相关度最高的方向,进一步提高了压缩效率;同时,采用高性能的标准视频编码器进行神经影像压缩,便于解码压缩后的神经影像数据,易于推广;此外,采用NIfTI标准神经影像格式文件头,利用文件头的说明字段保存视频储编码器标识和帧平面标识,除了保持与NIfTI格式的兼容性,还避免了在神经影像压缩输出中增加额外比特,亦便于未来引入性能更高的标准视频编码器;最后,可根据应用需求,灵活地选择无损或有损视频压缩方案,通过改变编码参数配置保持压缩性能和压缩开销间的平衡。
附图说明
图1为本发明的流程图;
图2为本发明中神经影像数据体积维度重排为神经影像序列的视频帧平面示意图;
图3为本发明实施例提供的测试用三维结构性MRI神经影像1、2和3;
图4为本发明实施例提供的测试用四维fMRI神经影像4。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释此发明,并不用于限定本发明。
如图1所示,本发明实施例提供的一种基于HEVC的神经影像数据压缩方法包括以下步骤:
(1)提取NIfTI格式原始神经影像文件I的前352字节得到文件头H;根据文件头H的维度字段(short dim[8],其中dim[0]表示神经影像维度,dim[1]至dim[dim[0]]分别表示各维度尺寸)、影像体素(voxel)数据类型字段(short datatype)、影像数据偏移字段(floatvox_offset),从神经影像文件的第(vox_offset+1)字节开始连续读取dim[1]×...×dim[dim[0]]个datatype类型的数据,将此一维数据映射为各维度尺寸为(dim[1],...,dim[dim[0]])的dim[0]维数据,得到神经影像数据D;将HEVC或H.264/AVC的视频编码器标识"{h265}"或"{h264}"追加入文件头H的说明字段(char descrip[80]);
(2)根据步骤(1)所述文件头H的维度字段(short dim[8]),对所述神经影像数据D按图2所示的神经影像序列视频帧平面示意图进行维度重排:若所述神经影像数据D(x,y,z)为dim[1]×dim[2]×dim[3]的三维结构性MRI数据(其中,x=0,1,...,dim[1]-1,y=0,1,...,dim[2]-1,z=0,1,...,dim[3]-1),则由式A(x,y,z)=D(x,y,z)得到dim[1]×dim[2]×dim[3]的横断面神经影像序列A、由式C(x,z,y)=D(x,y,z)得到dim[1]×dim[3]×dim[2]的冠状面神经影像序列C、由式S(y,z,x)=D(x,y,z)得到dim[2]×dim[3]×dim[1]的矢状面神经影像序列S;若所述神经影像数据D(x,y,z,t)为dim[1]×dim[2]×dim[3]×dim[4]的四维fMRI数据(其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1,t=0,1,...,T-1),则由式A(x,y,t,z)=D(x,y,z,t)得到dim[1]×dim[2]×(dim[4]×dim[3])的横断面神经影像序列A、由式C(x,z,t,y)=D(x,y,z,t)得到dim[1]×dim[3]×(dim[4]×dim[2])的冠状面神经影像序列C、由式S(y,z,t,x)=D(x,y,z,t)得到dim[2]×dim[3]×(dim[4]×dim[1])的矢状面神经影像序列S;
(3)若步骤(1)所述视频编码器标识为"{h265}"或"{h264}",则所述视频编码器标识对应的视频编码器最小编码单元尺寸L为8或16;分别对步骤(2)所述神经影像序列A、C和S进行帧平面填充,通过在所述序列所有帧的右侧或下侧复制相邻列或相邻行的像素值,使各序列的帧宽和帧高为所述视频编码器最小编码单元尺寸L的整数倍;
(4)使用步骤(1)所述视频编码器标识对应的标准视频编码器,根据不同应用场景,采用相应的视频编码参数对步骤(3)所述神经影像序列A、C和S进行视频编码,得到对应的神经影像序列压缩码流A′、C′和S′;其中,所述视频编码参数包括编码类型和编码配置,编码类型包括无损编码和有损编码,优选无损编码;编码配置包括全帧内编码配置AI、低延时双向预测配置LB和随机访问配置RA,当神经影像数据为三维结构性MRI数据时优选RA编码,当神经影像数据为四维fMRI数据时优选LB;
(5)在步骤(4)所述神经影像压缩码流A′、C′和S′中选择最小码流M作为步骤(1)所述神经影像数据D的最终压缩码流;若所述最小码流M为A′,则帧平面标识为"{a}";若M为C′,则帧平面标识为"{c}";若M为S′,则帧平面标识为"{s}";将所述最小码流M对应的帧平面标识嵌入步骤(1)所述文件头H的说明字段(char descrip[80]);将所述文件头H与最小码流M合并,得到压缩后的神经影像文件I′;
(6)解码端提取压缩后的神经影像文件I′的前352字节得到文件头H′,提取文件头后的所有字节得到压缩后的神经影像数据D′;从文件头H′的说明字段(char descrip[80])解析视频编码器标识,调用相应的标准视频解码器对所述压缩后的神经影像数据D′进行视频解码,得到重建的神经影像序列R′;
(7)根据步骤(6)所述视频编码器标识得到对应的视频编码器最小编码单元尺寸L;从步骤(6)所述文件头H′的维度信息字段(short dim[8])和说明字段(char descrip[80])解析原始神经影像的维度信息和神经影像序列的帧平面标识;根据所述维度信息、帧平面标识和视频编码器最小编码单元尺寸L,按照步骤(3)帧平面填充的逆过程对所述重建的神经影像序列R′进行帧平面裁剪,去除在步骤(3)填充的列或行像素;
(8)根据步骤(7)所述原始神经影像数据的维度信息和帧平面标识,按步骤(2)所述维度重排的逆过程,对所述重建的神经影像序列R′进行维度复原,得到重建的原始神经影像数据R;将视频编码器标识和帧平面标识从步骤(6)所述文件头H′的说明字段(chardescrip[80])清除;将所述文件头H′与重建的原始神经影像数据R合并,得到重建的NIfTI格式神经影像文件。
为验证本发明所提供方法的压缩性能,分别使用HEVC参考软件HM 16.3和H.264/AVC参考软件JM 18.6,采用AI、RA和LB配置,对3个如图3所示的测试用三维结构性MRI神经影像1、2、3和1个如图4所示的测试用四维fMRI神经影像4进行了无损压缩和有损压缩两组测试,测试结果分别如表1和表2所示。其中,测试用神经影像1、2为181×217×181的结构性8比特位深MRI神经影像,测试用神经影像3为301×370×316的结构性8比特位深MRI神经影像,测试用神经影像4为64×64×64×96的8比特位深fMRI神经影像。
表1列出了分别使用本发明所提供的方法、直接使用标准视频编码的方法与使用NIfTI默认支持的gzip方法对测试用神经影像进行无损压缩的压缩比对比数据。从表1可以看出,与其他方法相比,应用本发明提供的基于HEVC的神经影像数据压缩方法,显著提高了压缩效率,具体如下:
(1)在采用AI配置时,比gzip方法最高可节省3.07/2.02-1=51.58%的bpp(每像素比特数),比直接采用H.264/AVC的方法最高可节省3.07/2.69-1=13.91%的bpp,比本发明提供的基于H.264/AVC的方法最高可节省3.07/2.79-1=9.82%的bpp,比直接采用HEVC的方法最高可节省3.07/3-1=2.32%的bpp;
(2)在采用RA配置时,比gzip方法最高可节省9.96/4.91-1=102.69%的bpp,比直接采用H.264/AVC的方法最高可节省3.97/2.71-1=46.71%的bpp,比本发明提供的基于H.264/AVC的方法最高可节省9.96/8.42-1=18.25%的bpp,比直接采用HEVC的方法最高可节省3.97/2.79-1=42.38%的bpp;
(3)在采用LB配置时,比gzip方法最高可节省9.90/4.91-1=99.52%的bpp,比直接采用H.264/AVC的方法最高可节省4.03/2.69-1=49.75%的bpp,比本发明提供的基于H.264/AVC的方法最高可节省9.90/7.83-1=25.12%的bpp,比直接采用HEVC的方法最高可节省4.03/2.78-1=45.16%的bpp。
表2列出了使用本发明所提供的方法对测试用神经影像进行有损压缩(QP=22)的压缩比和PSNR(峰值信噪比)对比数据。从表2可以看出,在PSNR高于41的情况下,应用本发明所提供的有损压缩方法,获得了远远高于表1列出的本发明所提供的无损压缩方法的压缩效率;与基于本发明提供的基于H.264/AVC的方法相比,应用本发明提供的基于HEVC的神经影像数据压缩方法进一步提高了压缩效率,具体如下:
(1)采用AI配置,在PSNR更高的情况下,与本发明提供的基于H.264/AVC的方法相比,bpp最高可节省32.77/22.89-1=43.16%;
(2)采用RA配置,在PSNR更高的情况下,与本发明提供的基于H.264/AVC的方法相比,bpp最高可节省80.85/60.13-1=34.46%;
(3)采用LB配置,在PSNR更高的情况下,与比本发明提供的基于H.264/AVC的方法相比,bpp最高可节省76.74/56.20-1=36.54%。
综上所述,与NIfTI默认支持的gzip压缩方法、直接使用标准视频编码的压缩方法和本发明提供的基于H.264/AVC的压缩方法相比,本发明提供的一种基于HEVC的神经影像数据压缩方法大幅提高了压缩效率。
根据表1和表2的测试结果,对于不用的应用场景,优选采用如下视频编码配置:
(1)对于随机访问要求较高、存储资源或传输带宽不紧张的应用场景,可以采用压缩开销较低但压缩效率相对较差的AI配置进行神经影像数据压缩;
(2)对于三维结构性MRI神经影像,由于体积内各种方向上序列间表现为渐进的结构变化,建议采用GOP结构分级的RA配置进行双向预测压缩;
(3)对于四维fMRI神经影像数据,由于不同体积间不同方向上相同层的序列高度相关,建议采用GOP结构不分级的LB配置进行双向预测压缩;
(4)如果重建神经影像数据在误差可控的情况下,不影响临床诊断结论或软件分析结果,推荐使用压缩效率更高的有损压缩方法。
表1
表2
本发明说明书中未作详细描述的内容属于本领域技术人员的公知技术。
以上所述,仅为本发明推荐的具体实施方案,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围,应以权利要求的保护范围为准。
Claims (10)
1.一种基于HEVC的神经影像数据压缩方法,其特征在于,包括以下步骤:
(1)提取NIfTI格式原始神经影像文件I的文件头H和神经影像数据D;将视频编码器标识嵌入文件头H的说明字段;
(2)对步骤(1)所述神经影像数据D进行维度重排,得到三个视频帧平面分别为所述神经影像数据D体积的横断面、冠状面和矢状面的神经影像序列A、C和S;
(3)分别对步骤(2)所述神经影像序列A、C和S进行帧平面填充,使各序列的帧宽和帧高能被步骤(1)所述视频编码器标识对应的视频编码器最小编码单元尺寸L整除;
(4)根据步骤(1)所述视频编码器标识,使用相应的标准视频编码器对步骤(3)所述神经影像序列A、C和S进行视频编码,得到对应的神经影像序列压缩码流A′、C′和S′;
(5)在步骤(4)所述神经影像压缩码流A′、C′和S′中选择最小码流M作为步骤(1)所述神经影像数据D的最终压缩码流;将所述最小码流M对应的帧平面标识嵌入步骤(1)所述文件头H的说明字段;将所述文件头H与最小码流M合并,得到压缩后的神经影像文件I′;
(6)解码端提取步骤(5)所述压缩后的神经影像文件I′的文件头H′和压缩后的神经影像数据D′;从文件头H′中解析视频编码器标识,调用相应的标准视频解码器对压缩后的神经影像数据D′进行视频解码,得到重建的神经影像序列R′;
(7)根据步骤(6)所述视频编码器标识得到对应的视频编码器最小编码单元尺寸L;从步骤(6)所述文件头H′中解析原始神经影像数据维度信息和帧平面标识,对所述重建的神经影像序列R′进行帧平面裁剪;
(8)根据步骤(7)所述原始神经影像数据维度信息和帧平面标识,对所述重建的神经影像序列R′进行维度复原,得到重建的原始神经影像数据R;将视频编码器标识和帧平面标识从步骤(6)所述文件头H′中清除;将所述文件头H′与重建的原始神经影像数据R合并,得到重建的NIfTI格式神经影像文件。
2.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述文件头均指NIfTI数据格式工作组官方定义的NIfTI-1标准神经影像格式文件头。
3.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述视频编码器标识定义为字符串:HEVC为"{h265}";H.264/AVC为"{h264}"。
4.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述帧平面标识定义为字符串:横断面为"{a}";冠状面为"{c}";矢状面为"{s}"。
5.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(2)中对神经影像数据进行维度重排的具体方法为:若神经影像数据D为X×Y×Z的三维结构性MRI数据,分别将D(x,y,z)映射为X×Y×Z的体积内横断面神经影像序列A(x,y,z)=D(x,y,z)、X×Z×Y的体积内冠状面神经影像序列C(x,z,y)=D(x,y,z)和Y×Z×X的体积内矢状面神经影像序列S(y,z,x)=D(x,y,z),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1;若神经影像数据D为X×Y×Z×T的四维fMRI数据,分别将D(x,y,z,t)映射为X×Y×(T×Z)的体积间横断面神经影像序列A(x,y,t,z)=D(x,y,z,t)、X×Z×(T×Y)的体积间冠状面神经影像序列C(x,z,t,y)=D(x,y,z,t)和Y×Z×(T×X)的体积间矢状面神经影像序列S(y,z,t,x)=D(x,y,z,t),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1,t=0,1,...,T-1。
6.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(3)中所述视频编码器最小编码单元尺寸L由步骤(1)所述视频编码器标识得到,当视频编码器标识为"{h265}"或"{h264}"时,L分别为8或16。
7.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(3)中对神经影像序列进行帧平面填充的具体方法为:若步骤(1)所述神经影像数据D为X×Y×Z的三维结构性MRI数据或X×Y×Z×T的四维fMRI数据,则体积内或体积间横断面神经影像序列A的帧宽和帧高分别为X和Y,体积内或体积间冠状面神经影像序列的帧宽和帧高分别为X和Z,体积内或体积间矢状面神经影像序列S的帧宽和帧高分别为Y和Z;如果序列A、C和S的帧宽、帧高不能被步骤(3)所述视频编码器最小编码单元尺寸L整除,则对该序列所有帧的右边缘或下边缘利用相邻列或相邻行的像素填充,将帧宽和帧高调整为L的整数倍。
8.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(4)中对所述神经影像序列A、C和S进行视频编码时,视频编码参数包括编码类型和编码配置:编码类型包括无损编码和有损编码;编码配置包括全帧内编码配置AI、低延时双向预测配置LB和随机访问配置RA,当神经影像数据为三维结构性MRI数据时选用RA,当神经影像数据为四维fMRI数据时选用LB。
9.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(7)中对重建的神经影像序列R′进行帧平面裁剪的具体方法为:若所述原始神经影像数据为X×Y×Z的三维结构性MRI数据或X×Y×Z×T的四维fMRI数据,根据所述帧平面标识和所述视频编码器最小编码单元尺寸L,按照步骤(3)帧平面填充的逆过程去除所述重建的神经影像序列R′中填充的列或行。
10.根据权利要求1所述的基于HEVC的神经影像数据压缩方法,其特征在于,所述步骤(8)中对重建的神经影像序列R′进行维度复原的具体方法为:若所述原始神经影像数据为X×Y×Z的三维结构性MRI数据:当帧平面为横断面时,R′为X×Y×Z的影像序列,所述重建的原始神经影像数据R(x,y,z)=R′(x,y,z);当帧平面为冠状面时,R′为X×Z×Y的影像序列,R(x,y,z)=R′(x,z,y);当帧平面为矢状面时,R′为Y×Z×X的影像序列,R(x,y,z)=R′(y,z,x),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1;若原始神经影像数据为X×Y×Z×T的四维fMRI数据:当帧平面为横断面时,R′为X×Y×(T×Z)的影像序列,所述重建的原始神经影像数据R(x,y,z,t)=R′(x,y,t,z);当帧平面为冠状面时,R′为X×Z×(T×Y)的影像序列,R(x,y,z,t)=R′(x,z,t,y);当帧平面为矢状面时,R′为Y×Z×(T×X)的影像序列,R(x,y,z,t)=R′(y,z,t,x),其中,x=0,1,...,X-1,y=0,1,...,Y-1,z=0,1,...,Z-1,t=0,1,...,T-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510212943.5A CN104837022B (zh) | 2015-04-29 | 2015-04-29 | 一种基于hevc的神经影像数据压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510212943.5A CN104837022B (zh) | 2015-04-29 | 2015-04-29 | 一种基于hevc的神经影像数据压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104837022A true CN104837022A (zh) | 2015-08-12 |
CN104837022B CN104837022B (zh) | 2018-05-01 |
Family
ID=53814623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510212943.5A Expired - Fee Related CN104837022B (zh) | 2015-04-29 | 2015-04-29 | 一种基于hevc的神经影像数据压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104837022B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147916A (zh) * | 2017-06-09 | 2017-09-08 | 苏州蜗牛数字科技股份有限公司 | 一种在传输层上传输h.265编码视频数据的方法 |
CN111882564A (zh) * | 2020-07-27 | 2020-11-03 | 山东大学 | 一种超高清医学病理图像的压缩处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1134700A2 (en) * | 2000-03-14 | 2001-09-19 | Monolith Co., Ltd. | Image coding method and apparatus |
US6628717B1 (en) * | 1998-11-04 | 2003-09-30 | Lg Electronics Inc. | Lossless coding method and video compression coding device using the same |
CN101662674A (zh) * | 2009-09-09 | 2010-03-03 | 汕头市超声仪器研究所有限公司 | 视频数据传输方法 |
CN101742294A (zh) * | 2008-11-14 | 2010-06-16 | 北京中星微电子有限公司 | 一种提高监控视频压缩率的方法和设备 |
CN102075742A (zh) * | 2009-10-30 | 2011-05-25 | 西门子公司 | 一种医学图像传输方法和系统 |
CN104135664A (zh) * | 2014-07-01 | 2014-11-05 | 宁波摩米创新工场电子科技有限公司 | 医学影像的数字化处理方法 |
-
2015
- 2015-04-29 CN CN201510212943.5A patent/CN104837022B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628717B1 (en) * | 1998-11-04 | 2003-09-30 | Lg Electronics Inc. | Lossless coding method and video compression coding device using the same |
EP1134700A2 (en) * | 2000-03-14 | 2001-09-19 | Monolith Co., Ltd. | Image coding method and apparatus |
CN101742294A (zh) * | 2008-11-14 | 2010-06-16 | 北京中星微电子有限公司 | 一种提高监控视频压缩率的方法和设备 |
CN101662674A (zh) * | 2009-09-09 | 2010-03-03 | 汕头市超声仪器研究所有限公司 | 视频数据传输方法 |
CN102075742A (zh) * | 2009-10-30 | 2011-05-25 | 西门子公司 | 一种医学图像传输方法和系统 |
CN104135664A (zh) * | 2014-07-01 | 2014-11-05 | 宁波摩米创新工场电子科技有限公司 | 医学影像的数字化处理方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147916A (zh) * | 2017-06-09 | 2017-09-08 | 苏州蜗牛数字科技股份有限公司 | 一种在传输层上传输h.265编码视频数据的方法 |
CN107147916B (zh) * | 2017-06-09 | 2021-01-29 | 苏州蜗牛数字科技股份有限公司 | 一种在传输层上传输h.265编码视频数据的方法 |
CN111882564A (zh) * | 2020-07-27 | 2020-11-03 | 山东大学 | 一种超高清医学病理图像的压缩处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104837022B (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107197260B (zh) | 基于卷积神经网络的视频编码后置滤波方法 | |
CN103220528B (zh) | 通过使用大型变换单元编码和解码图像的方法和设备 | |
CN104885471B (zh) | 用于下一代视频的编码/未编码的数据的内容自适应熵编码 | |
CN102474614B (zh) | 基于分层编码块样式信息的视频编码方法和设备以及视频解码方法和设备 | |
JP5700970B2 (ja) | 画像シーケンスを表す符号化データストリームの復号方法と画像シーケンスの符号化方法 | |
CN105144713B (zh) | 用于解码器设置的对视频进行编码的方法及其装置以及基于解码器设置对视频进行解码的方法及其装置 | |
CN101783957B (zh) | 一种视频预测编码方法和装置 | |
CN101895756B (zh) | 视频图像块的编码、解码、重构方法及系统 | |
CN104205834A (zh) | 用于对每个空间子区域进行视频编码的方法和设备以及用于对每个空间子区域进行视频解码的方法和设备 | |
US20110002396A1 (en) | Reference Frames Compression Method for A Video Coding System | |
CN1951122A (zh) | 支持可变画面组大小的可伸缩视频编码方法和可伸缩视频编码器 | |
CN107211145A (zh) | 几乎视觉无损的视频再压缩 | |
CN107483947A (zh) | 视频编码和解码设备及非暂时性计算机可读存储介质 | |
CN106162191A (zh) | 一种基于目标的视频编码方法及系统 | |
CN110419222A (zh) | 用于对视频数据进行编码和解码的方法、设备和系统 | |
CN106105210A (zh) | 管理用于对多层视频进行编码和解码的缓冲器的方法和设备 | |
CN105765978B (zh) | 用于编码/解码图像的方法和使用其的装置 | |
CN101584220B (zh) | 对视频信号进行编码的方法和系统、编码的视频信号、对视频信号进行解码的方法和系统 | |
CN106105208A (zh) | 可伸缩视频编码/解码方法和设备 | |
CN107690806A (zh) | 视频编码方法和视频编码设备以及视频解码方法和视频解码设备 | |
CN106416256A (zh) | 用于对深度图像进行编码或解码的方法和设备 | |
CN104205842A (zh) | 图像解码方法及图像解码装置 | |
CN107005710A (zh) | 多视点图像编码/解码方法和装置 | |
CN105191314A (zh) | 用于对多层视频进行编码的方法和设备、用于对多层视频进行解码的方法和设备 | |
CN104837022A (zh) | 一种基于hevc的神经影像数据压缩方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180501 Termination date: 20190429 |
|
CF01 | Termination of patent right due to non-payment of annual fee |