基于最大互信息配准法的医学序列图像压缩算法的研究

详细内容

图像压缩。所谓医学序列图像就是对某一相同的部位从相同的角度进行连续拍摄所得到的许多图像,其中的每一幅图像称为一帧,通常的医学序列图像都具有十几帧或二十多帧,甚至更多。这些图像的不同之处,主要在于病变区,而非病变区的信息基本相同。还有一种准序列图像,它是在一段时间内,对相同部位,从相同角度进行拍摄或者是从不同角度对同一部位进行连续拍摄,虽然角度不同,但拍摄的部位有相当一部分是重合的。从图像的整体来看它们也具有许多相似点,我们可以充分利用这些相同和相似处,找出图像之间的冗余信息。针对图像各帧之间存在很大相关性,采用了基于最大互信息法配准的技术,即寻找到一种变换,使得两帧待配准的图像间的互信息最大,从而尽可能地减少冗余信息,提高压缩效果。

差值序列压缩所谓差值序列压缩,其实质就是一种预测方法,用前一帧作为下一帧的预测。就是除了第一帧要进行帧内压缩外,压缩其它的帧就是压缩该帧与其前一帧的差。因为在医学序列图像中,除了病变区,周围的图像及其象素值基本不变,如果对相邻两帧求差值,那么将能够得到不少的0值,这对压缩非常有利,整幅图像的压缩比也会有较大提高。

基帧选择压缩上述序列图像的差值压缩,是对相邻的两帧求差值,然后压缩;压缩顺序是从第一帧开始,接着压缩第二帧,依次下去,直到压缩最后一帧,第一帧采用无损压缩,压缩第二帧就是压缩第二帧与第一帧的差值,压缩第M帧就是压缩第M(M>1)帧与第(M-1)帧的差值。但相邻两帧的差值压缩效果并不一定最好,可能帧M与不相邻的某帧N的差值压缩效果会更好。因此,压缩帧M时可以在已压缩的帧中选择一帧作为基帧,然后对它们进行差值压缩。对于差值图像,要提高其无损压缩的效率,有两点比较重要:第一,差值图像中0的数目;第二,象素值的位数的多少;如果象素值的位数都比较少,而0的数目又比较多的话,对提高压缩效果很有帮助。