CN116033156A - 一种基于spiht和dwt算法的医学图像压缩方法及装置 - Google Patents
一种基于spiht和dwt算法的医学图像压缩方法及装置 Download PDFInfo
- Publication number
- CN116033156A CN116033156A CN202211738026.7A CN202211738026A CN116033156A CN 116033156 A CN116033156 A CN 116033156A CN 202211738026 A CN202211738026 A CN 202211738026A CN 116033156 A CN116033156 A CN 116033156A
- Authority
- CN
- China
- Prior art keywords
- dwt
- spiht
- medical image
- method based
- compression method
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种基于SPIHT和DWT算法的医学图像压缩方法,包括如下步骤:(1)输入原医学图像;(2)采用小波滤波器对输入图像执行DWT操作;(3)对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理;(4)对于经过压缩后的比特流SPIHIT解码操作;(5)执行逆DWT处理,生成最终的压缩图像。本发明的优点在于:基于SPIHT和DWT算法的医学图像压缩方法获得的压缩图像效果要明显优于传统的图像算法。本专利提出的压缩技术在相同压缩比的前提下,具有较低的MSE和较高的PSNR,进一步提高了医学图像压缩算法的质量。
Description
技术领域
本发明涉及医学影像领域,特别涉及一种基于SPIHT和DWT算法的医学图像压缩方法。
背景技术
由于医学图像的数据量非常大,所需要的存储空间大、传输频带宽,严重地影响了PACS的发展。对于医学图像的压缩技术研发一直是PACS系统的热门研究方向之一,研究在保持高图像质量的前提下提升图像压缩的压缩率在医学图像邻域具有极高的研究价值。JPEG2000是基于小波变换的图像压缩标准,与传统的JPEG算法相比压缩比更高,而且不会产生基于离散余弦变换的JPEG标准产生的块状模糊瑕疵。JPEG2000由于其特有的无损压缩模式常被用于医学图像压缩,然而JPEG2000存在着压缩比低和压缩效率低等缺点。如专利申请号为201210260832.8的一种JPEG图像压缩方法和系统,其就无法解决上述问题,无法应用于医学图像的压缩。
对于医学图像的来说,图像的细节也可能具有重要的诊断意义,细节部分的失真,可能造成误诊与误判会产生严重的后果。传统的图像压缩方法在高压缩率下容易造成医学图像细节部分存在失真等问题,因此传统的图像压缩方法无法适用于医学图像。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于SPIHT和DWT算法的医学图像压缩方法,解决现有技术无法适用于医学图像的缺陷,提出的图像压缩方法具有提高医学图像重要部分重建质量的能力,可以在保持较高压缩率的前提下保护好图像的细节部分。
为了实现上述目的,本发明采用的技术方案为:一种基于SPIHT和DWT算法的医学图像压缩方法,包括如下步骤:
(1)输入原医学图像;
(2)采用小波滤波器对输入图像执行DWT操作;
(3)对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理;
(4)对于经过压缩后的比特流SPIHT解码操作;
(5)执行逆DWT处理,生成最终的压缩图像。
步骤(2)中采用9-7tap小波滤波器对输入图像执行DWT操作。
SPHIT算法利用空间方向树来制定划分子集的集合分割规则,使用了3个链表来组织空间方向树中的结构:
重要像素链表LSP、不重要像素链表LIP、不重要集合链表LIS;
在LSP和LIP中每一个(i,j)都代表一个像素,但是在LIS中(i,j)代表的是一个所有后代D(i,j)集合或所有间接后代L(i,j)集合。
采用SPIHT算法执行压缩处理包括:
(1)初始化步骤;
(2)排序步骤;
(3)细化步骤;
(4)更新步骤;
(5)对LSP中的值进行编码。
H为所有空间树结构的根节点,即整个子带LL2。
初始化步骤包括设置初始阈值Tn=2n,其中其中cij为任意小波系数;将LSP置空,将H中所有根节点加入LIP,即LIP={(i,j)|(i.j)∈H};然后把根节点H中所有具有子带的节点加入LIS,同时以TypeA对其标记。
排序步骤是对LIP和LIS表中的重要系数进行判断并将重要系数放入LSP的过程。
细化步骤是将重要系数输出的过程,最后更新步长。
对LSP中的值进行编码,将每个值变换成二进制,然后取其第n位为编码值,其中n=logT式中,T表示阈值;对所有的LIP、LIS以及LSP中的值编码完毕后,将阈值减小一倍,再进行依次编码,直到阈值变为1,则编码完毕。
一种基于SPIHT和DWT算法的医学图像压缩装置,包括医学图像输入单元、小波滤波器、DWT处理单元、SPIHT压缩处理单元、解码单元、逆DWT单元,医学图像输入单元用于输入原医学图像,其输出端连接小波滤波器,采用小波滤波器对输入图像执行DWT操作;小波滤波器的输出端连接至SPIHT压缩处理单元,其对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理,其输出端连接至解码单元,所述解码单元对于经过压缩后的比特流SPIHIT解码操作,其输出端连接至逆DWT单元,其用于执行逆DWT处理,生成最终的压缩图像。
本发明的优点在于:基于SPIHT和DWT算法的医学图像压缩方法获得的压缩图像效果要明显优于传统的图像算法。本专利提出的压缩技术在相同压缩比的前提下,具有较低的MSE和较高的PSNR,进一步提高了医学图像压缩算法的质量。
附图说明
下面对本发明说明书各幅附图表达的内容及图中的标记作简要说明:
图1为本发明压缩方法流程图;
图2为本发明处理LIP表中的每一个节点处理方法流程图;
图3为本发明处理LIS表中的TypeA节点的处理方法流程图;
图4为本发明处理LIS表中的TypeB节点的处理方法流程图;
图5为经过二维离散小波变换的SPIHT算法中的空间树结构。
具体实施方式
下面对照附图,通过对最优实施例的描述,对本发明的具体实施方式作进一步详细的说明。
本发明中提出的图像压缩方法具有提高医学图像重要部分重建质量的能力,可以在保持较高压缩率的前提下保护好图像的细节部分,具体方法如下:
1.输入原医学图像;
2.采用9-7tap小波滤波器对输入图像执行DWT操作;
3.对于经过DWT的小波信号进行熵编码处理,采用本文提出的SPIHT算法替换原有的哈夫曼编码执行压缩处理;
4.对于经过压缩后的比特流SPIHIT解码操作;
5.执行逆DWT处理,生成最终的压缩图像。
步骤3中SPIHT算法过程步骤:
SPHIT算法利用空间方向树来制定划分子集的集合分割规则,使用了3个链表来组织空间方向树中的结构:
(1)重要像素链表(LSP)(List of Significant Pixels);
(2)不重要像素链表(LIP)(List of Insignificant Pixels);
(3)不重要集合链表(LIS)(List of Insignificant Sets);
在LSP和LIP中每一个(i,j)都代表一个像素,但是在LIS中(i,j)代表的可能是一个所有后代D(i,j)集合(称之为typeA)或所有间接后代L(i,j)集合(称之为typeB)。
如图5所示,H为所有空间树结构的根节点,即整个子带LL2。
(1)初始化
设置初始阈值Tn=2n,其中其中cij为任意小波系数。将LSP置空,将H中所有根节点加入LIP,即LIP={(i,j)|(i.j)∈H}。然后把根节点H中所有具有子带的节点加入LIS,同时以TypeA对其标记。
(2)排序
第一步:处理LIP表中的每一个节点。
对LIP中每一个节点输出Sn(i,j),Sn(*)为重要性系数。如果Sn(i,j)=1,输出cij的符号,并将节点(i,j)移到LSP重要系数表中;如果Sn(i,j)=0,则对节点(i,j)不做处理继续留在LIP中,如图2所示。
第二步:处理LIS表中的每一个节点。
1)若该节点属于TypeA
i.输出Sn(D(i,j))。如果Sn(D(i,j))=1,则对O(i,j)中所有节点(k,l)输出Sn(k,l)。如果Sn(k,l)=1,则将节点(k,l)移入LSP表并输出Ckl的符号;反之如果Sn(k,l)=0,则将节点Sn(k,l)移入LIP表中。
ii.如果L(i,j)不是空集,则将节点以TypeB标记后移到不重要集合LIS表的尾部;否则将节点(i,j)移入LIS表,如图3所示。
2)若该节点属于TypeB
i.输出Sn(D(i,j))。
ii.若Sn(D(i,j))=1,则将O(i,j)中每个节点(k,l)以TypeA加入到LIS表中,并将节点(i,j)从LIS表中删除,如图4所示。
(3)细化
如果对于LSP表中的每一个节点(i,j)它不是在最近的一次排序中才加入的,那就输出这个节点(i,j)的系数ci,j绝对值的第n个MSB(Most Significant Bit)。
(4)更新
若n=0,则退出扫描;否则n-1,并转移回步骤(2),进行下一轮扫描。
上述过程为SPIHT编码算法的全过程。初始化是对阈值与三个表项赋初值,排序过程是对LIP和LIS表中的重要系数进行判断并将重要系数放入LSP的过程,细化是将重要系数输出的过程,最后更新步长。
最后,对LSP中的值进行编码,将每个值变换成二进制,然后取其第n位为
编码值,其中n=logT式中,T表示阈值。例如LSP中有重要像素值(30)=(00011110),阈值取8,则取n=3,则将其第三位1作为编码值。对所有的LIP、LIS以及LSP中的值编码完毕后,将阈值减小一倍,再进行依次编码,直到阈值变为1,则编码完毕。编码后的码流包含图像的所有信息,通过编码的逆过程、二维提升小波变换的逆过程便可以将压缩的图像恢复出来。
为了验证本方法的有消息,本申请进行实验验证如下表:
选择了几种较为常用的图像压缩算法分别是JPEG、JPEG2000和LZW算法作为对比,评价参数选择为均方误差(MSE)、压缩比(CR)和峰值信噪比(PSNR)。经过综合分析可知,基于SPIHT和DWT算法的医学图像压缩方法获得的压缩图像效果要明显优于传统的图像算法。本专利提出的压缩技术在相同压缩比的前提下,具有较低的MSE和较高的PSNR,进一步提高了医学图像压缩算法的质量。
本申请还提供一种基于SPIHT和DWT算法的医学图像压缩装置,用于实现本申请方法对图像进行压缩处理,包括医学图像输入单元、小波滤波器、DWT处理单元、SPIHT压缩处理单元、解码单元、逆DWT单元,医学图像输入单元用于输入原医学图像,其输出端连接小波滤波器,采用小波滤波器对输入图像执行DWT操作;小波滤波器的输出端连接至SPIHT压缩处理单元,其对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理,其输出端连接至解码单元,解码单元对于经过压缩后的比特流SPIHIT解码操作,其输出端连接至逆DWT单元,其用于执行逆DWT处理,生成最终的压缩图像。
显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,均在本发明的保护范围之内。
Claims (9)
1.一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:包括如下步骤:
(1)输入原医学图像;
(2)采用小波滤波器对输入图像执行DWT操作;
(3)对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理;
(4)对于经过压缩后的比特流SPIHIT解码操作;
(5)执行逆DWT处理,生成最终的压缩图像。
2.如权利要求1所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:步骤(2)中采用9-7tap小波滤波器对输入图像执行DWT操作。
3.如权利要求1所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:SPHIT算法利用空间方向树来制定划分子集的集合分割规则,使用了3个链表来组织空间方向树中的结构:
重要像素链表LSP、不重要像素链表LIP、不重要集合链表;
在LSP和LIP中每一个(i,j)都代表一个像素,但是在LIS中(i,j)代表的是一个所有后代D(i,j)集合或所有间接后代L(i,j)集合。
4.如权利要求1-3任一所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:采用SPIHT算法执行压缩处理包括:
(1)初始化步骤;
(2)排序步骤;
(3)细化步骤;
(4)更新步骤;
(5)对LSP中的值进行编码。
6.如权利要求1或2所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:
排序步骤是对LIP和LIS表中的重要系数进行判断并将重要系数放入LSP的过程。
7.如权利要求1或2所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:细化步骤是将重要系数输出的过程,最后更新步长。
8.如权利要求1或7任一所述的一种基于SPIHT和DWT算法的医学图像压缩方法,其特征在于:对LSP中的值进行编码,将每个值变换成二进制,然后取其第n位为编码值,其中n=logT式中,T表示阈值;对所有的LIP、LIS以及LSP中的值编码完毕后,将阈值减小一倍,再进行依次编码,直到阈值变为1,则编码完毕。
9.一种基于SPIHT和DWT算法的医学图像压缩装置,其特征在于:包括医学图像输入单元、小波滤波器、DWT处理单元、SPIHT压缩处理单元、解码单元、逆DWT单元,医学图像输入单元用于输入原医学图像,其输出端连接小波滤波器,采用小波滤波器对输入图像执行DWT操作;小波滤波器的输出端连接至SPIHT压缩处理单元,其对于经过DWT的小波信号进行熵编码处理,采用SPIHT算法执行压缩处理,其输出端连接至解码单元,所述解码单元对于经过压缩后的比
特流SPIHIT解码操作,其输出端连接至逆DWT单元,其用于执行逆DWT处理,
生成最终的压缩图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211738026.7A CN116033156A (zh) | 2022-12-31 | 2022-12-31 | 一种基于spiht和dwt算法的医学图像压缩方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211738026.7A CN116033156A (zh) | 2022-12-31 | 2022-12-31 | 一种基于spiht和dwt算法的医学图像压缩方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116033156A true CN116033156A (zh) | 2023-04-28 |
Family
ID=86071950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211738026.7A Pending CN116033156A (zh) | 2022-12-31 | 2022-12-31 | 一种基于spiht和dwt算法的医学图像压缩方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116033156A (zh) |
-
2022
- 2022-12-31 CN CN202211738026.7A patent/CN116033156A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090324116A1 (en) | Encoding and decoding device and encoding method and decoding method | |
EP1391123A2 (en) | Method and apparatus for coding of wavelet transformed coefficients | |
CN111669588B (zh) | 一种超低时延的超高清视频压缩编解码方法 | |
CN101631243A (zh) | 一种基于小波变换的图像编/解码的方法 | |
Bhammar et al. | Survey of various image compression techniques | |
JP2002540711A (ja) | 有限アルファベットデータのロスレス適応符号化 | |
Padmavati et al. | DCT combined with fractal quadtree decomposition and Huffman coding for image compression | |
CN110572682A (zh) | 一种嵌入式零树小波图像编码压缩方法 | |
CN116033156A (zh) | 一种基于spiht和dwt算法的医学图像压缩方法及装置 | |
CN1848960A (zh) | 使用非标准化矢量量化编码器的符合视频标准的残差编码 | |
Kale et al. | Visually improved image compression by combining EZW encoding with texture modeling using Huffman Encoder | |
Pradhan et al. | A modified framework for Image compression using Burrows-Wheeler Transform | |
Pan et al. | Efficient and low-complexity image coding with the lifting scheme and modified SPIHT | |
Gaber et al. | Image Compression Using High Level Wavelet Transformer with Non-Uniform Quantizer and Different Levels Huffman Codes | |
WO2010064569A1 (ja) | 動画像データの圧縮方法 | |
Jagadeesh et al. | Linear adaptive global node-tree filters based SPIHT MR image codec | |
Kranthi et al. | Enhanced image compression algorithm for image processing applications | |
Ranjeeta et al. | Image compression: an overview | |
CN112995637B (zh) | 一种基于三维离散小波变换的多剖面医学图像压缩方法 | |
US20090074059A1 (en) | Encoding method and device for image data | |
CN1568011A (zh) | 一种基于运动联合图像专家组的图像帧间增强方法 | |
Dhavale et al. | Discrete cosine transform based image compression | |
Waysi et al. | Enhanced Image Coding Scheme Based on Modified Embedded Zerotree Wavelet Transform (DMEZW) | |
Brahimi et al. | An efficient wavelet-based image coder | |
Zhang et al. | An improved SPECK algorithm with bit plane lifting and the optimal single value prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |