基于Contourlet变换和SPIHT算法的彩色医学图像压缩-论文.pdf

《基于Contourlet变换和SPIHT算法的彩色医学图像压缩-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

第41卷第1期计算机科学Vo1．41No。12014年1月ComputerScienceJan2014基于Contourlet变换和SPIHT算法的彩色医学图像压缩汤敏陈秀梅陈峰。(南通大学电子信息学院南通226019)(南通大学电气工程学院南通226019)。摘要二维小波变换只能很好地分离不连续点，无法最优表示曲线奇异，同时只能获取有限的方向信息，这大大限制了它在图像处理领域的应用。Contourlet变换则结合拉普拉斯金字塔和方向滤波器组，得到多分辨率、局域、多方向的图像表示。由于基于小波变换的多级树集合分裂排序(SPIHT)算法不能有效表达图像的纹理和轮廓信息，因此提出一种基于Contourlet变换和SPIHT算法的彩色图像压缩方法，并应用于医学图像感兴趣区域压缩。首先将彩色图像转换至YIQ彩色空间；然后选取感兴趣区域，对其采用Contourlet变换提取特征信息，并利用SPIHT算法对Contourlet系数优先编码和传输，从而保证感兴趣区域的图像质量和细节信息。对背景区域则采用小波变换，并通过系数截断的方式提高图像压缩比。实验结果表明，所提算法可以较好地保留感兴趣区域的图像特征，大幅度提高背景区域的压缩比，是一种较实用的图像压缩新方法，在医学图像感兴趣区域压缩中效果良好。关键词Contourlet变换，SPIHT，图像压缩，感兴趣区域，医学图像中图法分类号TP391，TN919．81文献标识码AColorfulMedicalImageCompressionBasedonContourletTransformandSPIHTAlgorithmTANGMin1CHENXiu-meiCHENFeng2(Scho1ofE1ectronicsandInformation，NantongUniversity，Nantong226019，China)(SchoolofElectricalEngineering，NantongUniversity，Nantong226019，China)AbstractWaveletstwo-dimensionaregoodatisolatingthediscontinuitiesatedgepoints，butnotthesmoothnessalongthecontours．Inaddition，separablewaveletsonlycapturelimiteddirectiona1information，whichisrestrictedinimageprocessingapplications．Incomparison，contourlettransformcombinesLaplacianpyramid(LP)withdirectionalfilterbank(DFB)toachieveaflexiblemulti-resolution，localanddirectionalimageexpansionbasedoncontoursegments．Anovelimagecompressionmethodbasedoncontourlettransformandsetpartitioninginhierarchicaltrees(SPIHT)algo—rithmwasproposedforcolofulmedicalimages，becauseSPIHTalgorithmbasedonwavelettransformcan’texpressthetextureandcontoureffectively．Firstly，originalRGBimageisconvertedtoYIQcolorspaceaccordingtothecharacteris—ticsofhumanvisualsystem．Secondly，contourlettransformisappliedtoregionofinterest(ROI)tocapturethemaincharacteristicsandthenSPIHTalgorithmisUSedtoguaranteethecompressedimagequalityanddetail．Forbackgroundimage，wavelettransformisusedtoimprovecompressionratiogreatlybywaveletcoefficientstruncation．Experimentalresultsdemonstratethatouralgorithmispracticalandeffectiveforcolorfulmedicalimages，whichisagoodbalanceforcompressedimagequalityandcompressionratio．KeywordsContourlettransforIn，SPIHT，Imagecompression，Regionofinterest(ROD，Medicalimages压缩编码研究则显得尤为重要。1引言近年来，随着多分辨分析理论研究的深入，小波(wave—为减轻数字图像对存储空间的需求，同时提高计算机的let)变换、脊波(ridgelet)变换、曲波(curvelet)变换和轮廓波工作效率，一般数字图像在传输和存储时都需要采用一定的(contourlet)变换等概念纷纷提出，并在理论研究和应用前景压缩技术，利用数据固有的冗余性和不相干性，将庞大的数据等方面取得长足进步。其中，小波变换率先提出，其基本思想集合转换为较小的数据集合，此过程称为图像压缩。在对医是将信号分解成一系列小波函数的叠加，这些小波函数都是学图像的处理和分析中，人们往往更重视病灶及其周围组织由一个母小波函数经过平移和尺度伸缩得到的。小波变换虽的病理结构及其相互关系，而其他部位则无需关心。常见的然仍是目前通用的图像处理手段之一，但由于二维小波变换图像编码方法只是简单地均匀处理整幅图像的所有区域，不只能很好地分离不连续点，无法最优表示曲线奇异，而且只能能对某一区域进行特殊处理，因此对医学图像感兴趣区域的获取有限的方向信息，因此大大限制了它在图像处理方面的到稿日期：2013—03—29返修日期：2013—07—01本文受国家自然科学基金项目(61005054)，南通大学2008年度博士科研启动基金(o8B15)资助。汤敏(1977一)，女，博士，副教授，主要研究方向为图像处理及可视化，E-mail：tangmnt@yahoo．com．ca和tangmnt@163．gom；陈秀梅(1990一)，女，硕士生；陈蜂(1977一)，男，博士，副教授，主要研究方向为人机交互、信息获取。·303· 3算法关键技术3．1人眼视觉感知特性人眼类似于一个光学信息处理系统，当光辐射刺激人眼时，将会引起复杂的生理和心理变化，这种感觉就是视觉。人类视觉系统(HumanVisualSystem，HVs)作为一种图像处理系统，对图像的认知是非均匀和非线性的。人眼视觉感知特性主要包括：1)亮度掩蔽特性，即在背景较亮或较暗时，人眼对亮度不敏感；2)空间掩蔽特性，即随着空间变化频率的提高，人眼对细节的分辨能力下降；3)时间掩蔽特性，即随着时间变化频率的提高，人眼对细节的分辨能力下降_1引。视觉生理一心理学实验表明，人眼对于图像中各种细节的合以及图像压缩“]。其中，文献[8]介绍将Contourlet变敏感程度不同，人的视觉在某些条件下可以容忍一些失真，而且有些失真人眼根本辨别不出。因此，对于人眼不敏感、无关紧要的信息允许有较大的失真，即使这些信息全部丢失，人眼也可能觉察不到；相反，对于人眼比较敏感的信息，则要尽量减少失真。这就是基于人眼视觉感知特性进行图像压缩的基本思想。3．2彩色图像处理RGB彩色图像转换至ⅥQ彩色空间及其逆过程的转换公式如下[13,14]：rY7ro．2990．5870．114]rR]lIl—10．596-0．275-0．321llG{(1)．212一o．523o．311JlBjFl0．95570．6199-1厂y]『lGBJI—l1一o．2716-0．6469III(2)l一1．1o821．7o51j式中，y表示颜色的明视度，即亮度；I和Q表示色度，即描述图像色彩和饱和度的属性，j分量代表从橙色到青色的颜色2算法流程变化，而Q分量则代表从紫色到黄绿色的颜色变化。本文之所以选择YIQ彩色空间，一方面是因为其可以将彩色图像中的亮度信息与色度信息分开，分别独立进行处理；另一方面是因为YIQ彩色空间与人眼视觉系统的性能极为接近。人眼视觉系统对图像亮度的变化更敏感，远超过对于图像色度和饱和度变化的敏感程度。因此在图像压缩时为y分量保留更多的带宽，即较高的分辨率；而人眼对于Q分量最不敏感，因此删除较多的Q分量；至于J分量，人眼的敏感程度适中，因此该分量的取舍应该比Y分量少而比Q分量多[13,14]。3．3Contourlet变换基本原理Contourlet变换是一种多尺度多方向的变换，不同于以往的Wavelet变换和Curvelet变换的是，它直接提出于离散域，之后才被推广到连续域以分析其性质，因此更适用于数字图像处理场合。Contourlet变换的基本思想是口]：首先用拉普拉斯金字罾僵恒塔(LaplacianPyramid，LP)分解得到边缘的孤立断点；然后使网．．用二维方向滤波器组(DirectionalalFilterBank，DFB)将方向I图像l’l逆，艾挟l’一致的断点连接成线，形成基本的轮廓段(Contour)，因此得名Contourlet变换。图2所示为Contourlet分解的频域示意 度略有变化，部分像素点处RGB分量的数值稍有差异，但一像来验证本文算法的效果。般该差异值不超过2O。而背景图像则随着压缩比的增大显参考文献得越来越粗糙，在帽檐和发尾部分均出现明显伪影和模糊。这说明本文算法在保留R0I区域图像特征的同时很好地实[1]DonohoDL，DuncanMR．DigitalCurveletTransform：Strate-现了背景区域的图像压缩，可推广应用于彩色医学图像感兴gY，ImplementationandExperiments口]．ProceedingsofsPIE，2000，4056：12—30趣区域的压缩研究。实验3本文算法应用于彩色医学图像的感兴趣区域的[2]CandesE，DemanetL，DonohoD，eta1．FastDiscreteCurveletTransforms[R]．TechnicalReportofAppliedandComputatic~压缩研究，结果参见图5，信噪比的定量比较参见表1。nalMathematics．CaliforniaInstituteofTechnology，2005：1-43从图5可以清楚地看到，对于彩色医学图像，本文算法可[3]DoMN，VetterliIVLTheContourletTransform：AnEfficient以很好地实现ROI区域和背景区域的不同压缩效果。对于DirectionalMultiresolutionImageRepresentation[J]．IEEE图5中标识出的ROI区域，基于Contourlet变换和SPIHT算TransactionsonImageProcessing，2005，14(12)：2091-2106法的压缩方案较好地保留了视网膜血管中心以及图像中心细_4]才溪，赵巍．Contourlet变换低通滤波器对图像融合算法影响的胞的特点和相互关系，充分保留了感兴趣区域的图像特征。讨论口]．自动化学报，2009，35(3)：258—266对于背景图像，本文算法采用基于Wavelet变换的图像压缩[5]HuaZhen，LiYe-wei，LiJin-iiang．ImageNonlinearEnhance-方法，通过系数截断的方法大大提高了图像压缩比，相应降低mentAlgorithmBasedonNonsubsampledContourletTrans—了图像质量。form[J]．InternationalJournalofDigitalContentTechnologyandItsApplications，2011，5(7)：43-51[6]LiJin-jiang，LiYe-wei，AnZhi-yong．ImageDenoisingAlgo-rithmBasedontheNonsubsampledDoubleDensityGontourlet■■■Transform[J]．JournalofConvergenceInformationTeehnolo—gy，2011，6(9)：105—113[7]HuaZhen，LiHong-juan，LiYe-wei．RemoteSensingImageFu—■■_sionAlgorithmUsingDyadicContrastContourletTransfoITn[J]．InternationalJournalofAdvancementsinComputingTech—图5医学图像ROI压缩效果(压缩比分别为1：50、1：lOO、1：nology，2011，3(7)：132—140200)[83TamilarasiM，PalanisamyDv．ContourletBasedMedicalImageCompressionUsingImprovedEZW，2009[c]／／2009Interna—表l图5中不同压缩比时图像信噪比的定量比较tionalConferenceonAdvancesinRecentTechnologiesinCom—municationandComputing．Kottayam，Kerala，India，Oct．2009：80O一804[9]FanYong-hui，WangGang，LiangXiao．AStaticImageCoding结束语与传统的小波变换相比，Contourlet变换是一AlgorithmBasedonContourletClassifiedHiddenMarkovTree种多分辨率、局域、多方向的图像表示方法，其图像基分布于Model[J]．EngineeringComputations，2011，28(2)：172—183多尺度多方向上。Contourlet变换与小波变换的最大区别在[1O]BiXue，ChenXiang-dong，ZhangYu，eta1．ImageCompressed于它可在高频做任意多个方向的分解，从而提供各个方向的SensingBasedonWaveletTransforminContourletDomain[J]．SignalProcessing，2011，91(5)：1085-1092细节信息，因此更适合应用于图像处理领域。[11]GaoBing-kun，ShaBao-liang，ZhangYu-bo，eta1．HVS-Based本文提出利用Contourlet变换和SPIHT算法压缩彩色ImageCompressionSchemeinWavelet-ContourletDomain[J]．医学图像感兴趣区域的方法。首先根据人眼视觉感知特性，AdvancesinInformationSciencesandServiceSciences，2012，4将RGB彩色图像转换至YIQ彩色空间，考虑到人眼视觉系(2)：160—166统对图像亮度的变化更敏感，因此在图像压缩时保留较多的[12]吴乐南．数据压缩(第3版)[M]．北京：电子工业出版社，2012：y分量、部分分量和较少的Q分量。然后对于图像中的感101—102，160—164兴趣区域采用Contourlet变换，而对背景区域采用Wavelet[i33FoleyJD．ComputerGraphics：PrinciplesandPractice(Second变换，通过SPIHT算法实现图像压缩。实验结果表明，本文Edition)[M]．USA：PearsonEducationInc，2002：589—590算法可以很好地实现彩色测试图像与医学图像的感兴趣区域[14]MansoorA，MansoorOnImageCompressionUsingDigital的压缩编码，图像压缩效果良好，信噪比较高，可以很好地保CurveletTransform，2005[C]∥9InternationalMultitopicConference．Piscataway，NewJersey，Dec．2005：670—673留感兴趣区域图像特征，同时大幅度提高背景图像的压缩效[153SaidA，PearlmanWA．ANew，Fast，andEfficientImageCode率，在细节处理上也更为细腻准确。而且，SPIHT算法具有BasedonSetPartitioninginHierarchicalTrees[J]．IEEE渐进传输的特性，可优先编码和传输ROI图像数据，即使解TransactionsonCircuitsandSystemsforVideoTechnology，码端接收数据不完全，依然能重构出质量较好的ROI图像。1996，6(3)：243-250今后研究方向包括：对医学图像感兴趣区域的压缩效果[16]余燕英．一种基于SPIHT改进的ROI图像编码方法[D]．南进行更多客观指标的定量分析；使用不同类型的彩色医学图京：南京邮电大学，2012·306·