医学视频优质压缩技术研究

i本文的最新情况见最后医学信息学解锁17（2019）100244基于提升格式和Bandelet的医学视频压缩SPIHT编码：追求高视觉质量Mohammed Beladghama，*，Yassine Habchib，Mohamed Ben aissa c，Abdelmalik Taleb-Ahmed da阿尔及利亚Bechar，B.P417 Bechar，Tahri Mohammed大学，电气工程系，LTIT实验室，08000b阿尔及利亚纳马Salhi Ahmed大学中心科技学院c阿尔及利亚，艾因特莫申特，46000，Belhadj Bouchaib大学中心，电气工程系，B.P 284。dIEMN DOAE UMR，CNRS 8520，University of Valenciennes and Hainaut Combresis，Valenciennes，FranceA R T I C L EI N FO保留字：医学成像Bandelet变换Cohen-Daubechies-feauveau 9/7（CDF9/7）过滤器提升方案SPIHT 编 码 器视频编码A B S T R A C T本文研究了一种适用于医学视频压缩的编码方法。所描述的技术具有提供视频编码的更高视觉质量以及有效地减少空间冗余的优点。首先，研究了Bandelet变换，也称为不可分离变换，以便有效地检测视频中发现的不同复杂几何形状。在描述了Bandelet变换中的提升操作后，为了提高医学视频序列的视觉质量，我们减少了四叉树分解步骤所带来的伪像效应。最后，通过一组客观的测量参数对所提出的方法在医学视频上的有效性进行了测试和评估1. 介绍文献中的压缩方法表明，有损编码可能以数据内容的重要变化的形式呈现作为伪影的显著不期望的效果。在这种情况下，重要的是找到一种不可分离的变换。在以前的研究中，已经提出了几种用于数据压缩的变换算法：小波变换[1]、曲波变换[2]、轮廓波变换[3]、楔形波变换[4]、脊波变换[5]和离散余弦变换[6]。所有这些都表明，数据可以简单地通过改变分辨率，方向等引用的变换的方向性差，防止它们在许多诊断应用中的使用，但是，压缩。为了克服这些限制，高维信号是必要的，以实现多尺度几何分析（MGA）理论的相当大的发展，其中出现了几种MGA变换，特别是DBT（离散带状波变换）[7，8]，它非常适合捕捉几何规律性。因此，许多研究人员研究并证明了Bandelet变换在许多应用中的有效性[9Bandelet变换是精确和实用的，因为搜索操作不是直接应用于函数，而是对小波分解后得到的块集进行的。Bandelet的成功通常受到视频中清晰度的限制的本文的目的是扩展高阶几何的Bandelet变换，这降低了计算复杂度的阶数并提高了视频清晰度。因此，Bandelet变换将被引导到对应于视频的复杂几何结构的规则性的指定复杂几何结构，但是具有基于提升方案的另一实现[12]。提升方案的优点是其能够通过同时计算低频和高频子带而在不经过傅立叶域的情况下进行变换;而且这种提升结构是可逆的。利用提升结构提高了Bandelet变换的计算量。子带编码器用于有效地编码所生成的系数。嵌入零树小波（EZW）首先由Shapiro的[13]作为第一子带编码算法。接下来，Said和Pearlman的工作改进了EZW编码器，他们提出了一种称为树分层编码器中的分区集（SPIHT）的高效编码器[14]。在这项工作中，运动估计技术已被用于减少时间冗余[15]。通过PSNR、MSSIM、VIF等评价参数对恢复后的图像质量进行了评价和判断。本文的其余部分组织如下：第2节描述了Bandelet变换，第3节阐述了提升方案的概念，第4节涉及双正交小波CDF 9/7，第5节介绍了SPIHT算法，第6节介绍了小波变换的基本原理。 的算法，以说明其效率。一些* 通讯作者。电子邮件地址：beladgham. gmail.com（M。Beladgham）。https://doi.org/10.1016/j.imu.2019.100244接收日期：2019年6月1日;接收日期：2019年8月21日;接受日期：2019年9月9日在线发售2019年2352-9148/© 2019由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表医学信息学期刊主页：http://www.elsevier.com/locate/imuM. Beladgham等人医学信息学解锁17（2019）1002442ð Þð Þð Þð Þ ð Þ¼¼ð Þð Þ ð Þð Þ¼ ðþ Þ ð Þð Þ ð Þ ð Þ举升方案，如图1所示。注意，图1中仅描绘了1D-WT的分解部分，因为重构部分是图1中的重构部分的逆版本。1.一、基于提升的一维小波变换包括分裂、提升和缩放模块，一维小波变换被视为预测误差分解。见参考文件[18]，提升方案被用于提高医学图像压缩的质量在图1中，X n是原始信号，XL1XH1是通过基于提升的1DWT的三个步骤获得的输出信号：X分裂：在这一部分中，信号Xn被分成Xen1/4X 2n，Fig. 1. 基于提升的一维WT示意图。图二. 采用提升格式对前向CDF 9/7小波进行分裂、预测和更新。模拟结果在第8节中给出。最后，第9节结束了工作。2. Bandelet变换第一代Bandelet变换由Pennec和Mallat [7]引入。它将分解结合到小波中。通过研究图像轮廓来进行几何形状的估计。进行曲线的矫正，包括使曲线变形以使其水平。最后，应用小波分解。在实践中，首先需要将每个图像分割成区域，但是这种变换类型会产生块效应。第二代bandelets随后在参考文献[8]中引入。这个想法再次是建立一个适合于图像的正交基。然而，这一次的搜索几何不是直接在一个几何函数，而是在小波分解后得到的不同的子带。为了改进几何检测步骤，可以经由在每个细节级别处连接对应于相同空间位置的系数的树的构造来考虑尺度间关系。3. 提升格式小波变换（WT）通常产生浮点系数。虽然这些系数在理论上被用来完美地重建原始图像，但有限精度算术和量化的使用导致有损方案。最近，可逆整数WT在参考文献[17]为了降低计算复杂度，Calderbankon X2 n 1，分别表示X n的所有偶数和奇数样本。提升：通过预测操作P使用估计来从X e n估计X o n，并产生d n，其表示X的详细部分。接下来，通过应用更新操作U来更新它，并且将所得信号与X en组合成s n估计，其表示X n的平滑部分。缩放：归一化因子分别应用于d n和s n。为了产生小波子带XL1和XH1，分别将Sn的偶数部分乘以归一化因子Ke，并且将Dn的奇数部分乘以K0。双正交变换9/7的提升方案由四个步骤组成：两个预测算子和两个更新算子，如图所示。 二、提升格式是最有效的结构之一它被用于许多应用中，例如鲁棒和安全的彩色图像水印[19]，音频水印[20]，故障诊断[21]，图像融合[22]。4. 双正交小波CDF 9/7双正交小波Cohen-Daubechies-Feauveau 9/7（CDF 9/ 7）滤波器（也称为Daubechies 9/7滤波器）是对称双正交小波CDF家族的一部分，其特征在于它们的简单性，双正交性，对称性和紧支撑。与小波9/7相关联的低通滤波器在分析中具有p1/49个系数，p1/47个系数要合成，如表1所述。他们有N分析中的4个零矩，以及N~四是综合。小波9/7在相对较短的时间内具有大量的零矩支持.它们更对称，非常接近正交。这是编码中的重要特征，其确保重构误差在均方误差方面非常接近量化误差。Antonini和Barlaud是第一个[23]展示双正交小波变换9/7对于自然图像去相关的优越性的人。它已被广泛用于图像编码[14，24，25]，并被JPEG-2000编解码器[26]使用5. SPIHT算法SPIHT [14]是当今最先进的方案之一。它被广泛用于提高图像和视频的质量。SPIHT是EZW的改进版本，用于在图像的小波分解中利用子带之间的固有相似性。该算法首先对小波变换系数中最重要的部分进行编码，然后传输。它在应用于1D、2D和3D信号时具有出色的压缩性能。基本上，SPIHT的主要优点是：（i）提供良好的图像质量，（ii）非常方便的存储和渐进传输的重要性系数，和（iii）用于无损或有损压缩。SPIHT将信息排序在三个有序列表中：LIP用于不重要的piX元素列表，LIS用于不重要的集合列表，LSP用于重要的piX元素列表在初始化步骤，帧的像素被添加到LIP，并且具有后代的像素被添加到LIS。LSP是一个空列表。编码从LIP开始;如果帧中像素的数量不重要，等人已经表明，双正交WT可以在它 仍然 在 LIP; 否则， 圆周率 是 移动 到 LSP。同样地，M. Beladgham等人医学信息学解锁17（2019）1002443表1滤波器系数的分析与综合.分析滤波器系数。合成滤波器系数i低通滤波器高通滤波器低通滤波器高通滤波器电话：+86-029 - 490182363579传真：+86-029 -490182363570.6029490182363579粤ICP备15018888号-1电话：0512 - 86864118442875传真：0512电话：电话：0755电话：026 -748757410810 026 -748757410810不显著的LIS像素保留在LIS中，而显著的像素被分成显著的A型和B型集合以及四个像素; B型集合是来表示一组坐标T的意义。该算法的步骤如下：(A) 初始化：输出nlog 2 maxi，jCi，j;将LSP设置为空列表;添加坐标i，jH到列表LIP，并且仅具有后代的那些也到LIS，作为类型A条目。(B) 分拣通道：(B.1)为每个条目i、j在LIP中：（B.1.1）传输Sn i，j;（B.1.2）如果Sn i，j1然后移动i、j向LSP发送Ci，j的符号;(B.2)为每个条目i、j在地雷影响调查中：（B.2.1）如果分录属于A类，则发送Sn D i，j;如果Sn D i，j1，则为每个 k，l O i，j做到：发送Sn k，l;如果Sn k，l如果Sn k，l1然后添加0然后添加k，lk，l并输出Ck，l的符号;到LIP的末尾;如果L i，j然后移动i、j到LIS的末尾，作为类型B的条目，并转到步骤（2.2.2）;否则，移除条目 i、j从LIS;（B.2.2）如果条目属于B类，则发送Sn L i，j;如果SnL i，j添加每个1然后k，l O i，j作为A类条目添加到LIS末尾去除 i、j从LIS。(C) 炼化关：为每个条目 i、j在LSP中，除了包括在最后一个排序通道中的那些，输出Ci，j的第n个最高有效位;(D) 量化步骤更新：将n减1并转到步骤（2）。添加到LIS的末尾，而其余的则检查其显著性。SPIHT使用以下坐标集：M. Beladgham等人医学信息学解锁17（2019）1002444ð Þ ð Þð Þ ð Þn0否则O i;j：节点的所有后代的坐标集 i;j.D i;j：节点i ; j的所有后代的坐标集合。H：所有空间方向树根（最高金字塔级别中的节点）的坐标集。Li;jDi;j-Oi;jLIS条目的类型为：● A如果它表示Di;j，● B，如果它表示Li; j。SPIHT使用函数ST1maxi;j2Tfjci;jjg2n6. 该算法复杂几何图形的检测是一个需要解决的重要问题，这一问题很少有人涉及。在视频序列中，由于轮廓的存在，视频的连续帧之间的视觉质量往往会出现差。图3示出了所提出的使用基于提升方案的Bandelet变换的医学视频压缩方法的框图。基于提升方案，通过二维CDF 9/7小波[27]对输入医疗视频进行近似和细节分解近似是原始帧的较粗糙版本，而其他子带细节分别表示水平、垂直和对角方向。由此产生的小波变换视频的每个帧的形式被分割成更小的二元正方形，M. Beladgham等人医学信息学解锁17（2019）1002445MSEJ�● ð- -;¼λ1：拉格朗日乘数MNN1/1N1/1x2-米x22Xysx;y图三. 所提出的算法的框图。四叉树分解，其中变换后的视频被递归地划分为四个不同二元大小的较小正方形来定义视觉质量的测量。 其定义如下：奇异性，全局正则性条件被施加在四叉树分解算法的平方结果上。积木应该是峰值信噪比10logg10��在满意的拉格朗日条件下，定义为：X. �f j-f jR�2�λ。RjS<$RjG<$RjC<$R（1）其中f-f：限制在区域S上的欧几里得范数28哪里2 N1 是信号的动态（piX el的最大可能值）。在图像的标准情况下，其中pixel的分量被编码在n/48比特上，n =2n-1 n/4255：● MSE表示两帧之间的均方误差，即原始帧fi;j和大小为MN的恢复帧fi;j�系我��j，由下式给出：RjS：编码二元子平方所需的比特数MSE 1/2XXx xRjG：编码几何参数所需的比特数R_jC：编码变形系数所需的比特数MNi<$1j<$1细分正方形的拉格朗日量必须足够小，以建立最好的四叉树，并最小化正方形包含奇点的概率。作为四叉树分解的结果，几何流被应用于每个块，以精确地遵循不同的复杂几何形状。此外，正方形的连续划分与子正方形中均匀几何流的存在直接相关。然后，执行校正步骤，利用操作计算变形的小波系数，该操作包括在连续应用基于结构提升的一维小波变换之后，如果曲线相当水平，则变形曲线以使其水平，反之亦然。提升结构用于改进和减少bandelet的限制，因此允许在非线性框架中扩展小波理论，并且简单地允许构造非线性变换。最后，使用SPIHT算法对得到的修改后的bandelet系数进行编码。7.2. 平均SSIM（MSSIM）PSNR是一种简单、快速且非常流行的质量度量指标，广泛用于比较视频编码和解码的质量。虽然高PSNR通常意味着良好的重建质量，但情况并非总是如此。事实上，PSNR需要原始图像进行比较，但这可能不是在每种情况下都可用; PSNR也与主观视频质量测量不相关，因此它不太适合感知的视觉质量。因此，有兴趣考虑适应人类视觉系统的结构相似性（SSIM）的措施。SSIM指数引入了三个关键特征：亮度l、对比度c和结构s。SSIMf; fr lf; frcf; fr sf;fr（4）亮度比较函数l由以下表达式确定：所提出的算法被公式化如下：1. 基于二维小波l x y2Mx MyC1M2M2C1（五）变换（双正交CDF 9/7）。X y哪里2. 对每个帧递归地应用四叉树分解，Mx和My是信号x和y的平均强度，定义如下：每个子带由于双正交CDF 9/7来限制复杂性并矢正方形M x<$1PN x i和M y<$1PN我分别。我3. 应用于每个并矢正方形的均匀几何流的变形用一个扭曲的操作符到水平和垂直方向。4. 计算变形小波系数。5. 基于提升格式的一维小波变换Ci<$K2D2;i<$1;2;且Ki为常数，例如Ki1且D为<

下载后可阅读完整内容，剩余1页未读，立即下载