杜洋,范醫(yī)魯,曲新亮
1. 山東職業(yè)學(xué)院 鐵道供電與電氣工程系,山東 濟(jì)南 250104;2. 山東第一醫(yī)科大學(xué)第一附屬醫(yī)院 醫(yī)學(xué)工程部,山東 濟(jì)南250014
現(xiàn)代醫(yī)療設(shè)備及醫(yī)學(xué)成像技術(shù)的發(fā)展產(chǎn)生了海量的醫(yī)學(xué)圖像,這些醫(yī)學(xué)圖像中包含了巨大的與疾病診療相關(guān)的信息量,使其在臨床疾病的診斷中發(fā)揮著越來(lái)越重要的作用[1]。而醫(yī)院醫(yī)學(xué)圖像存儲(chǔ)與傳輸系統(tǒng)的普及和遠(yuǎn)程醫(yī)療技術(shù)的發(fā)展,對(duì)數(shù)字醫(yī)學(xué)圖像處理技術(shù)提出了更高的要求[2]。與一般的圖像處理相比,醫(yī)學(xué)圖像處理具有其復(fù)雜性和特殊性,其壓縮編碼處理要求更高的可靠性[3]。
針對(duì)醫(yī)學(xué)圖像的壓縮編碼,目前已發(fā)展了種類(lèi)繁多的相關(guān)算法,如Huffman編碼、正交變換編碼(基于離散余弦變換的JPEG)、子帶編碼(基于小波的零樹(shù)編碼)和分形等[4-7]。其中,小波變換與分形方法相結(jié)合的小波分形編碼方法是近幾年來(lái)的研究熱點(diǎn)[8-9]。相比傳統(tǒng)單純的小波變換,小波分形編碼方法具有壓縮比高、恢復(fù)圖像質(zhì)量高等優(yōu)點(diǎn)[10]。但該方法仍然存在匹配時(shí)間較長(zhǎng)、編碼時(shí)間較長(zhǎng)等問(wèn)題。
本研究在課題組已開(kāi)發(fā)的自適應(yīng)小波分形四叉樹(shù)醫(yī)學(xué)圖像編碼方法[11]基礎(chǔ)上,將自適應(yīng)差分計(jì)盒維數(shù)[12]引入到小波分形四叉樹(shù)醫(yī)學(xué)圖像編碼方法中,在進(jìn)行小波分形四叉樹(shù)匹配時(shí),只對(duì)分形維數(shù)值相近的X樹(shù)和D樹(shù)進(jìn)行匹配,縮小了匹配范圍,縮短了匹配時(shí)間。在恢復(fù)圖像質(zhì)量和壓縮比不變的基礎(chǔ)上,圖像的編碼時(shí)間將大大縮短,本文通過(guò)仿真實(shí)驗(yàn)驗(yàn)證該算法的有效性,現(xiàn)報(bào)告如下。
計(jì)盒維數(shù)法是分形維數(shù)計(jì)算中相對(duì)簡(jiǎn)單的一種方法,應(yīng)用也為最廣泛。在醫(yī)學(xué)圖像中,病灶部位與非病灶部位的分形維數(shù)值存在明顯差異[13]。使用計(jì)盒維數(shù)對(duì)圖像進(jìn)行邊緣提取可解決圖像處理中噪聲濾除與圖像細(xì)節(jié)間的矛盾,為醫(yī)學(xué)圖像處理提供一種有效新方法。
計(jì)盒維數(shù)的定義如下:設(shè)A是空間Rn的任意非空有界子集,對(duì)于任意r>0,Nr(A)表示用于覆蓋所需邊長(zhǎng)為r的n維盒子的最小數(shù)目。若存在一個(gè)數(shù)d,使得r→0時(shí)滿足公式(1):
則稱(chēng)d為A的計(jì)盒維數(shù)。
需要注意的是,計(jì)盒維數(shù)為d,當(dāng)且僅當(dāng)存在一個(gè)正數(shù)k滿足公式(2):
對(duì)式(2)兩邊取對(duì)數(shù)可得公式(3):
進(jìn)一步求得公式(4):
差分計(jì)盒維數(shù)是一種比傳統(tǒng)的計(jì)盒維數(shù)方法精確性更好、計(jì)算簡(jiǎn)單的方法[12]。該方法將待處理的醫(yī)學(xué)圖像分割成像素大小一致的小格子,然后依次計(jì)算每個(gè)格子的計(jì)盒維數(shù)。用差分計(jì)盒維數(shù)方法計(jì)算分形維數(shù)的算法分三步。
(1)將一幅像素為M×N的圖像 分割成像素大小為m×n的子塊,其中m=M/r,n=N/r。將每一個(gè)子塊圖像視為三維視圖,則子塊圖像的高度為p=∧/r, 表示子塊圖像總灰階數(shù)。則第(i,j)個(gè)子塊圖像的總盒數(shù),見(jiàn)公式(5)。
其中,S(i,j)表示第(i,j)個(gè)子塊的面積。nr(i,j)取實(shí)數(shù)值而不是只取整數(shù)值。
(2)整個(gè)圖像的總盒數(shù),見(jiàn)公式(6)。
(3)由式(4),r分別取不同的值,可以畫(huà)出(log(1/r),log(Nr))的曲線圖,曲線圖的斜率就是計(jì)盒維數(shù)d的值。
小波分形四叉樹(shù)編碼方法是針對(duì)圖像小波變換后的系數(shù)進(jìn)行分形四叉樹(shù)編碼,創(chuàng)建小波X樹(shù)和匹配樹(shù)P,在誤差允許的范圍內(nèi),匹配樹(shù)P進(jìn)行仿射變換與X樹(shù)進(jìn)行匹配,得到匹配系數(shù)[14]。對(duì)不滿足閾值匹配條件的分形編碼方塊,將繼續(xù)細(xì)分為4個(gè)小的子樹(shù)進(jìn)行分形編碼,直到滿足閾值匹配條件或者達(dá)到最小尺寸為止。
假定編碼后圖像總碼率為B。算法的大致步驟為:① 采用對(duì)稱(chēng)或反對(duì)稱(chēng)的小波基函數(shù)對(duì)原始圖像進(jìn)行小波變換;② 對(duì)第一步得到的系數(shù)進(jìn)行分形四叉樹(shù)編碼;③ 設(shè)定閾值ε,在滿足閾值要求的條件下,構(gòu)造匹配樹(shù)與小波分形四叉樹(shù)進(jìn)行匹配計(jì)算,設(shè)定保存分形匹配系數(shù)所需的比特?cái)?shù)為Bf;④ 對(duì)剩下的沒(méi)有進(jìn)行分形匹配的小波系數(shù)進(jìn)行量化編碼,剩下的系數(shù)中,除了不滿足尺度條件的小波系數(shù),還有不滿足四叉樹(shù)分割條件而保留下來(lái)的部分系數(shù),用剩下的比特?cái)?shù)Bw=B-Bf對(duì)這些系數(shù)進(jìn)行量化編碼。
為解決小波分形編碼方法匹配時(shí)間長(zhǎng)、編碼時(shí)間長(zhǎng)的問(wèn)題,本研究將自適應(yīng)差分計(jì)盒維數(shù)引入到小波分形四叉樹(shù)醫(yī)學(xué)圖像編碼方法中,在進(jìn)行小波分形四叉樹(shù)匹配時(shí),只對(duì)分形維數(shù)值相近的X樹(shù)和D樹(shù)進(jìn)行匹配,縮小了匹配范圍,縮短了匹配時(shí)間。在恢復(fù)圖像質(zhì)量和壓縮比不變的基礎(chǔ)上,圖像的編碼時(shí)間將大大縮短。本文算法流程示意圖如圖1所示。
圖1 本文算法流程示意圖
為便于敘述本文算法,假設(shè)待壓縮圖像尺寸為256×256,這種假設(shè)對(duì)本文算法的一般性沒(méi)有影響。
(1)按照改進(jìn)的Mallat快速算法[15]對(duì)圖像進(jìn)行6級(jí)小波分解,獲得19個(gè)子帶圖像。
(2)對(duì)小波第6級(jí)分解圖像的4個(gè)分解子帶圖像LL0,LH0,HH0,HL0,進(jìn)行無(wú)失真量化編碼。
(3)首先構(gòu)造大小為341的小波樹(shù)X5和大小為1024的匹配樹(shù)P6,經(jīng)過(guò)計(jì)算可以知道共有192棵X5和64棵P6;其次計(jì)算X5的計(jì)盒維數(shù)和P6的計(jì)盒維數(shù),分別記為Wx5和WP6。用均方誤差作為小波樹(shù)匹配時(shí)的誤差測(cè)度。
(4)對(duì)每一顆小波樹(shù)X5,按照|WX5-WP6|遍歷計(jì)算所有的匹配樹(shù),按值由小到大的順序挑選匹配樹(shù)P6進(jìn)行匹配;假設(shè)匹配誤差門(mén)限為T(mén)5,經(jīng)過(guò)匹配后的誤差為E5,將E5<T5為成功匹配條件。
(5)若是經(jīng)過(guò)計(jì)算,所有的匹配樹(shù)P6都不滿足匹配條件,則匹配失敗,需將X5進(jìn)一步的分割,此后不再計(jì)算小波樹(shù)和匹配樹(shù)的計(jì)盒維數(shù)。
(6)小波樹(shù)X5進(jìn)一步分割:第一部分為1個(gè)根節(jié)點(diǎn),剩下340個(gè)節(jié)點(diǎn)組成另一部分X4,1個(gè)根節(jié)點(diǎn)在各自所屬的子帶內(nèi)采用標(biāo)量量化編碼,X4被看成一個(gè)新的小波樹(shù),同樣的構(gòu)建匹配樹(shù)P5:可由P6去掉1個(gè)根節(jié)點(diǎn)得到。這樣就構(gòu)建了64個(gè)每個(gè)大小為1023的匹配樹(shù)P5。設(shè)定匹配誤差門(mén)限為T(mén)4,匹配后的誤差為E4,E4<T4為成功匹配條件。
(7)若是經(jīng)過(guò)計(jì)算,所有的匹配樹(shù)P5都不滿足匹配條件則匹配失敗,需將X4進(jìn)一步分割:4個(gè)根節(jié)點(diǎn)采用標(biāo)量量化編碼,剩余的336個(gè)節(jié)點(diǎn)組成小波樹(shù)X3。同樣的構(gòu)建匹配樹(shù)P4:P5去掉4個(gè)根節(jié)點(diǎn)剩余1019個(gè)節(jié)點(diǎn)組成匹配樹(shù)P4,設(shè)定匹配誤差門(mén)限為T(mén)3,經(jīng)過(guò)匹配后的誤差為E3。E3<T3為成功匹配條件。
(8)若是經(jīng)過(guò)計(jì)算,所有的匹配樹(shù)都無(wú)法滿足匹配條件,則按照上述類(lèi)似的方法對(duì)X3進(jìn)行分割并且構(gòu)建匹配樹(shù)、設(shè)定誤差門(mén)限,按照誤差門(mén)限進(jìn)行匹配;若不成功則進(jìn)一步分割,直到匹配成功或者達(dá)到本實(shí)驗(yàn)允許的最小子樹(shù)尺寸63。
(9)重復(fù)步驟(3)~(8),直到所有的X樹(shù)都匹配完畢或者到達(dá)最小分割條件為止。
相應(yīng)的醫(yī)學(xué)圖像的解碼步驟如下:① 恢復(fù)所有標(biāo)量量化編碼的小波系數(shù);② 通過(guò)分形解碼,利用已知的分形系數(shù)和小波系數(shù),通過(guò)分形四叉樹(shù)迭代方法恢復(fù)所有的小波系數(shù);③ 小波反變換。解碼時(shí),由匹配樹(shù)P經(jīng)過(guò)適當(dāng)?shù)姆中巫儞Q恢復(fù)X的過(guò)程是無(wú)條件收斂的,且可經(jīng)有限次迭代完成收斂[14]。
本文選用醫(yī)學(xué)X射線圖像進(jìn)行仿真算法驗(yàn)證。將本文算法與傳統(tǒng)的小波分形四叉樹(shù)圖像編碼算法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)環(huán)境為Pentium i3 CPU,4 G內(nèi)存,matlab版本為7.1。仿真實(shí)驗(yàn)條件如下:① 選取的醫(yī)學(xué)X射線圖像256級(jí)灰度(8 bit),原始圖像大小為2048×2048;② 小波變換所用的是雙正交小波基B97;③ 原始圖像的小波分解級(jí)數(shù)為8級(jí),即小波樹(shù)的最大尺寸為16383,實(shí)驗(yàn)允許的最小分割尺寸為63;④ 所有標(biāo)量量化編碼的小波系數(shù)被量化為16 bit,計(jì)盒維數(shù)值被量化為32 bit;⑤ 其他由分形變換編碼的小波樹(shù)的記錄格式為:匹配樹(shù)的序號(hào)即P位置坐標(biāo)(Px,Py),組合變換系數(shù)s,系數(shù)變換因子a,其中s為8 bit,a的取值范圍為[-2.0,2.0]并量化為8 bit,(Px,Py)則根據(jù)不同的搜索空間而定;⑥ 分割閾值根據(jù)實(shí)驗(yàn)要求靈活設(shè)置(一般來(lái)說(shuō):閾值增大,四叉樹(shù)分割次數(shù)減少,圖像的壓縮倍率提高,但恢復(fù)圖像質(zhì)量下降;閾值減小,四叉樹(shù)分割次數(shù)增多,圖像的壓縮倍率降低,但恢復(fù)圖像質(zhì)量提高)。
峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)是一個(gè)工程術(shù)語(yǔ),表示信號(hào)最大可能功率和影響它的破壞性噪聲功率的比值。在圖像壓縮領(lǐng)域中,PSNR是一種常用的測(cè)量信號(hào)重建質(zhì)量的方法。本研究中,我們采用PSRN來(lái)衡量恢復(fù)圖像質(zhì)量。PSNR定義為公式(7)。
其中,M和N是圖像尺寸,I(i,j)和I'(i,j)分別代表原始圖像和壓縮圖像的像素值。PSNR值越高表明重建圖像與原圖像的均方誤差越小,圖像質(zhì)量越好。
選用100張醫(yī)學(xué)X射線圖像進(jìn)行仿真算法驗(yàn)證,分別采用本文算法和小波分形四叉樹(shù)算法進(jìn)行圖像編碼。算法對(duì)比壓縮示例圖像如圖2和表1所示。
圖2 本文算法與小波分形四叉樹(shù)算法重建圖像
表1 本文算法與小波分形四叉樹(shù)算法結(jié)果對(duì)比
在本次實(shí)驗(yàn)中,圖2b和圖2c為一組對(duì)照?qǐng)D像,圖2d和圖2e為一組對(duì)照?qǐng)D像。由表1可以看出,在PSNR=28.8,壓縮比64.1時(shí),本文算法匹配時(shí)間和編碼時(shí)間分別比小波分形四叉樹(shù)算法縮短8 s和9 s;在PSNR=29.7,壓縮比60.5時(shí),本文算法匹配時(shí)間和編碼時(shí)間比小波分形四叉樹(shù)算法均縮短8 s。由此可見(jiàn),在兩種算法壓縮比、重建圖像質(zhì)量相同的情況下,本文提出的算法編碼時(shí)間明顯優(yōu)于傳統(tǒng)小波分形四叉樹(shù)算法。
為進(jìn)一步驗(yàn)證本文算法的有效性和優(yōu)越性,我們采用統(tǒng)計(jì)學(xué)的方法對(duì)數(shù)據(jù)進(jìn)行對(duì)比分析,采用SPSS 17.0軟件進(jìn)行數(shù)據(jù)處理,進(jìn)行χ2檢驗(yàn),以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。本文分別采用本文提出的編碼算法和傳統(tǒng)小波分形四叉樹(shù)編碼算法對(duì)100張?jiān)紙D像進(jìn)行壓縮編碼,具體結(jié)果見(jiàn)如表2所示。
表2 兩組編碼時(shí)間比較
由表2可見(jiàn),在相同壓縮比和重建圖像質(zhì)量的前提下,本文算法的編碼時(shí)間明顯優(yōu)于傳統(tǒng)小波四叉樹(shù)算法。此外,本文算法是一種有損的圖像壓縮方法,重建圖像已經(jīng)丟失某些細(xì)節(jié),而這些細(xì)節(jié)在醫(yī)學(xué)診斷中往往具有很高的價(jià)值。但在某些特殊的應(yīng)用場(chǎng)景中,如回顧、教學(xué)或有權(quán)限限制的用戶(hù)瀏覽時(shí),經(jīng)本文算法的重建圖像是可以接受的。
小波分形四叉樹(shù)編碼方法是一種效果較好的醫(yī)學(xué)圖像壓縮方法,但是存在編碼時(shí)間較長(zhǎng)的問(wèn)題。小波和分形編碼偏向圖像的結(jié)構(gòu)和紋理,支持多分辨率采樣,這與當(dāng)前圖像壓縮向結(jié)構(gòu)編碼轉(zhuǎn)變的趨勢(shì)相符[16]。醫(yī)學(xué)圖像分形壓縮方法是一種利用局部迭代函數(shù)系統(tǒng)進(jìn)行圖像壓縮的算法,能夠取得較高的壓縮比。相比傳統(tǒng)單純的小波變換,小波分形編碼方法具有壓縮比高、恢復(fù)圖像質(zhì)量高等優(yōu)點(diǎn)[10]。但該方法仍然存在匹配時(shí)間較長(zhǎng)、編碼時(shí)間較長(zhǎng)等問(wèn)題。
在圖像分形幾何學(xué)中,具有分形結(jié)構(gòu)的形狀和復(fù)雜程度可通過(guò)分形維數(shù)來(lái)表示。分形維數(shù)是定量描述分形的基本參量,它是標(biāo)度變換下的不變量,是對(duì)物體復(fù)雜程度、粗糙程度、不規(guī)則程度等性質(zhì)的一種測(cè)度[17]。分形維數(shù)值越大表明形狀越復(fù)雜,反之則越規(guī)則[18]。分形維數(shù)有多種計(jì)算方法,其中差分計(jì)盒維數(shù)[19-20]因其計(jì)算相對(duì)簡(jiǎn)單、直觀,是分形維數(shù)計(jì)算方法中最常用的一種。
本文將差分計(jì)盒維數(shù)引入到小波分形四叉樹(shù)算法中,對(duì)小波分形四叉樹(shù)算法加以改進(jìn),按照計(jì)盒維數(shù)值的近似程度選取匹配樹(shù)進(jìn)行匹配,相比傳統(tǒng)小波分形四叉樹(shù)方法在壓縮比和恢復(fù)圖像質(zhì)量相差不大的情況下,明顯減少了匹配時(shí)間,從而縮短了編碼時(shí)間。仿真實(shí)驗(yàn)也證明了本文算法的有效性。
此外,本文提出的算法是一種有損圖像編碼方法,不能用于無(wú)損的圖像編碼場(chǎng)合。在對(duì)圖像質(zhì)量不苛求的情況下,本文算法是一種比較好的方法。