一种医学图像压缩方法与流程

本发明涉及一种医学图像压缩方法，属医学图像分析处理的技术领域。

背景技术：

现代医学影像设备产生了大量的医学数字图像。医学数字图像要求高质量、高分辨率、多量化级，一般来说数据量较大，给图像的存储和传输带来挑战。以筛查肺癌高危人群的胸部低剂量螺旋ct扫描为例，每个病人的图像数据规模可达80mb，这就对医院等医疗卫生机构的服务器存储性能和网络带宽等提出了较严苛的要求。因此，医学图像压缩是医学图像存储和传输需要解决的关键技术问题。

传统的医学图像压缩技术主要是基于离散余弦变换或离散小波变换等信号变换方法的变换压缩技术。但是传统技术普遍存在解压缩后的恢复图像质量劣化或者压缩率不够理想的问题。

另外，除了对图像进行压缩以便于传输和存储以外，改善图像质量、提高信噪比对医学图像同样具有重要的临床意义。例如，对冠脉造影和ct扫描两种常用的影像学检查手段而言，为了获得更高信噪比、更高质量的冠脉造影图像或ct图像，临床操作医师会自觉不自觉地采用超高的x-射线辐射剂量，这显然会影响患者的身体健康和生命安全；事实上，为了能够改善冠脉造影图像或ct图像的图像质量、提高图像的信噪比、达到影像学检查的临床目的，需要对它们进行降噪处理。然而，传统的医学图像压缩技术往往只考虑对图像进行压缩，并没有兼顾图像的降噪处理。基于此，本发明提出基于离散余弦s变换(discretecosinestockwelltransform，dcst)的医学图像压缩方法，它能够有效地提高压缩率，同时能够提高信噪比、改善图像质量。

加拿大学者stockwell融合了短时傅里叶变换和小波变换的优势提出了s变换(rgstockwell,etal.localizationofthecomplexspectrum:thestransform.ieeetransactionsonsignalprocessing,1996)，以及利用s变换处理二维数据的方法(rgstockwell,etal.reviewofapplicationsof1-&2-dstransforms.proceedingsofthespie-theinternationalsocietyforopticalengineering,1997)。随后，stockwell又提出了非冗余的离散正交s变换(discreteorthonormalstockwelltransform,dost)(rgstockwel.abasisforefficientrepresentationofthes-transform.digitalsignalprocessing,2007)，利用参数间的正交性极大地提高了s变换的计算效率；wangy和orchardj则进一步提出了快速离散正交s变换(fastdiscreteorthonormalstockwelltransform,fdost)(ywangandjorchard.fastdiscreteorthonormalstockwelltransform.siamjournalonscientificcomputing,2009)，进一步提高了dost算法的运算速度。之后，jladan等人又由dost结合离散余弦变换(discretecosinetransform，dct)(nahmed,etal.discretecosinetransform.ieeetransactionsoncomputers,1974)衍变出离散余弦s变换

(discretecosinestockwelltransform,dcst)(jladanandervrscay.thediscreteorthonormalstockwelltransformandvariations,withapplicationstoimagecompression.imageanalysisandrecognition,2013)。dcst充分利用离散余弦变换(dct)计算量仅为傅里叶变换一半的优势，避开了dost/fdost在复数域的计算，降低了s变换的计算复杂度和内存需求。

孙丰荣及其研究团队围绕s变换及其在医学图像分析处理领域的应用进行了相关研究工作。例如，(1)李前娜，s-变换分析技术及其在心肌声学造影(mce)图像降噪中的应用研究，山东大学硕士学位论文，2007；(2)栾玉环，二维s变换分析技术及其在医学图像处理中的应用研究，山东大学硕士学位论文，2013；(3)黄浩，基于s变换的医学影像降噪压缩及稀疏傅里叶变换理论研究，山东大学硕士学位论文，2016；(4)周镇镇，离散余弦s变换及其在医学图像降噪中的应用研究，山东大学硕士学位论文，2016。其中，黄浩的硕士学位论文探讨了基于dost/fdost的医学影像降噪压缩处理的技术可行性，周镇镇的硕士学位论文则研究了基于dcst的图像降噪问题。

技术实现要素：

针对现有技术的不足，本发明提供一种医学图像压缩方法。针对背景技术所述的压缩处理在高质量的医学图像存储和传输中的重要作用，传统方法恢复图像质量劣化或者压缩率不够理想，尤其是传统方法通常不兼顾图像降噪临床应用需求的弊端，本发明基于离散余弦s变换(dcst)的基本原理，提出如下所述的医学图像压缩方法。

本发明的技术方案如下：

一种医学图像压缩方法，包括：

s1)对图像进行离散余弦s变换，简称dcst变换，得到dcst域的图像参数；

s2)使用小波变换的阈值降噪策略，对dcst域的图像参数进行阈值处理；

s3)对阈值处理后的dcst域的图像参数，利用图像编码器进行压缩；

s4)利用图像解码器进行解压缩，恢复出dcst域的图像参数矩阵d；

s5)对所述图像参数矩阵d利用dcst逆变换恢复图像。

根据本发明优选的，所述步骤s1)对图像进行dcst变换，得到dcst域的图像参数，其具体的方法包括：

图像矩阵记为i，图像大小为m*n，其中m为i的行向量含有的像素数目，n为i的列向量含有的像素数目；

①对图像矩阵i进行离散余弦变换得到矩阵s1，由子块带宽指数α＝0,0,1,2,...,w计算每一个α值对应的子块带宽β为β＝2^α，最大子块带宽指数w＝log2m-1；

②以β的取值依次作为矩阵子块的行数，将矩阵s1按行分为(w+2)个子块，β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦逆变换idct，得到矩阵d1；其中，“矩阵按行分块“是一种基本的矩阵分块方法，β是对应子块的行数；

③对矩阵d1作转置处理，得到矩阵d2，d2的行和列的大小分别为n和m；

④对矩阵d2进行离散余弦变换dct得到s2，由子块带宽指数α＝0,0,1,2,...,v计算每一个α值对应的子块带宽β为β＝2^α，最大子块带宽指数v＝log2n-1；

⑤以β的取值依次作为矩阵子块的行数，将矩阵s2按行分为(v+2)个子块，β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦逆变换idct，得到矩阵d3；

⑥对矩阵d3作转置处理，得到的矩阵即为图像在dcst域的参数矩阵d。

根据本发明优选的，所述步骤s2)使用小波变换的阈值降噪策略，对dcst域的图像参数进行阈值处理的具体步骤如下：

①设定一个阈值t，t值越大压缩率越高但会使图像清晰度降低，t值越小则会提高图像清晰度但压缩率越低；

②图像在dcst域的参数矩阵d的第i行j列位置上的值记作di,j，按照公式处理di,j，其中sign(di,j)是符号函数，表示di,j的符号，为处理后的值。

根据本发明优选的，所述步骤s3)图像编码器为哈夫曼编码器。

根据本发明优选的，所述步骤s4)图像解码器为哈夫曼解码器。

根据本发明优选的，所述步骤s5)dcst逆变换恢复图像的具体步骤如下：

①经过步骤s4)哈夫曼解压缩后的参数矩阵d的行和列的大小分别为m和n，按照子块带宽指数α＝0,0,1,2,...,w，最大子块带宽指数w＝log2m-1，计算每一个α值对应的子块带宽β为β＝2^α，以β的取值依次作为矩阵子块的行数，将d按行分为(w+2)个子块；β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦变换dct，得到矩阵s4；

②对矩阵s4进行离散余弦逆变换idct，得到矩阵d4；

③对矩阵d4作转置处理，得到矩阵d5，d5的行和列的大小分别为n和m；

④按照子块带宽指数α＝0,0,1,2,...,v，最大子块带宽指数v＝log2n-1，计算每一个α值对应的子块带宽β为β＝2^α，以β的取值依次作为矩阵子块的行数，将d5按行分为(v+2)个子块；β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦变换dct，得到矩阵s5；

⑤对矩阵s5进行离散余弦逆变换idct，得到矩阵d6；

⑥对矩阵d6作转置处理，得到的矩阵即为恢复的图像矩阵i。

本发明的有益效果是：

本发明所述方法能够高效地压缩医学图像，同时能够获得高信噪比的解压缩图像；且所述方法能够满足高质量医学图像存储和传输的临床应用需求。本发明所述步骤s2)对dcst域系数进行阈值降噪，使得本专利在图像压缩的同时提高了信噪比；所述步骤s3)编码压缩，降低了数据量，便于存储或传输，本发明使用哈夫曼编码但不局限于哈夫曼编码；所述步骤s4)解码是编码的逆过程，本发明使用哈夫曼解码但不局限于哈夫曼解码。

附图说明

图1是本发明方法的整体流程图。

图2是实施例中的原始图像；

图3是实施例中的压缩算法恢复图像。

具体实施方式

下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。

如图1-3所示。

实施例、

一种医学图像压缩方法，其中，发送方对图2所示的冠脉造影图像(图像规模为512*512，图像文件大小为524288字节，信噪比为2.2662db)做如下压缩处理：将该冠脉造影图像矩阵记为i，图像大小为m*n，其中m为i的行向量含有的像素数目，即m＝512，n为i的列向量含有的像素数目，即n＝512；所述医学图像压缩方法包括：

s1)对图像进行离散余弦s变换，简称dcst变换，得到dcst域的图像参数；

所述步骤s1)对图像进行dcst变换，得到dcst域的图像参数，其具体的方法包括：

①对图像矩阵i进行离散余弦变换得到矩阵s1，由子块带宽指数α＝0,0,1,2,...,8计算每一个α值对应的子块带宽β为β＝2^α，即β＝1,1,2,4,...,256，最大子块带宽指数w＝log2m-1，即w＝8；

②以β的取值依次作为矩阵子块的行数，将矩阵s1按行分为(w+2)＝10个子块，β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦逆变换idct，得到矩阵d1；

③对矩阵d1作转置处理，得到矩阵d2，d2的行和列的大小分别为n＝512和m＝512；

④对矩阵d2进行离散余弦变换dct得到s2，由子块带宽指数α＝0,0,1,2,...,8计算每一个α值对应的子块带宽β为β＝2^α，即β＝1,1,2,4,...,256，最大子块带宽指数v＝log2n-1，即v＝8；

⑤以β的取值依次作为矩阵子块的行数，将矩阵s2按行分为(v+2)＝10个子块，β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦逆变换idct，得到矩阵d3；

⑥对矩阵d3作转置处理，得到的矩阵即为图像在dcst域的参数矩阵d；

s2)使用小波变换的阈值降噪策略，对dcst域的图像参数进行阈值处理；所述步骤s2)使用小波变换的阈值降噪策略，对dcst域的图像参数进行阈值处理的具体步骤如下：

①设定一个阈值t＝5.0；

②图像在dcst域的参数矩阵d的第i行j列位置上的值记作di,j，按照公式处理di,j，为处理后的值。

s3)对阈值处理后的dcst域的图像参数，进行哈夫曼编码压缩，将压缩后的数据序列记为r，该序列的数据规模为1*20098，数据大小为40196字节，压缩比为13.0433；

s4)接收方对接收的数据序列r利用哈夫曼解码器进行解压缩，恢复出dcst域的图像参数矩阵d；

s5)对所述图像参数矩阵d利用dcst逆变换恢复图像，具体步骤如下：

①经过步骤s4)哈夫曼解压缩后的参数矩阵d的行和列的大小分别为m＝512和n＝512，按照子块带宽指数α＝0,0,1,2,...,8，最大子块带宽指数w＝log2m-1，即w＝8，计算每一个α值对应的子块带宽β为β＝2^α，即β＝1,1,2,4,...,256，以β的取值依次作为矩阵子块的行数，将d按行分为(w+2)＝10个子块；β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦变换dct，得到矩阵s4；

②对矩阵s4进行离散余弦逆变换idct，得到矩阵d4；

③对矩阵d4作转置处理，得到矩阵d5，d5的行和列的大小分别为n＝512和m＝512；

④按照子块带宽指数α＝0,0,1,2,...,8，最大子块带宽指数v＝log2n-1，即v＝8，计算每一个α值对应的子块带宽β为β＝2^α，即β＝1,1,2,4,...,256，以β的取值依次作为矩阵子块的行数，将d5按行分为(v+2)＝10个子块；β＝1的子块不作变换，对其他每个子块中相应的值进行离散余弦变换dct，得到矩阵s5；

⑤对矩阵s5进行离散余弦逆变换idct，得到矩阵d6；

⑥对矩阵d6作转置处理，得到的矩阵即为恢复的图像矩阵i，如图3所示。

接收方恢复的图像信噪比为3.6078db。

实施例中，