離散小波變換在醫(yī)學(xué)影像圖像局部壓縮中的實現(xiàn)研究

摘 要：首先對離散小波變換算法的數(shù)學(xué)模型進行了分析，并詳實地討論了離散小波變換算法的醫(yī)學(xué)影像圖像壓縮實現(xiàn)研究。接著，對原始磁共振圖像進行離散小波局部一次壓縮和二次壓縮的仿真實驗研究。實驗結(jié)果表明理論分析是合理的，設(shè)計是正確的。

關(guān)鍵詞：醫(yī)學(xué)影像圖像;局部壓縮;離散小波變換;算法;實現(xiàn)

中圖分類號：TP391;R445.9

文獻標(biāo)志碼：A

小波變換在模式識別、信號處理、故障診斷、海洋探測、空氣動力學(xué)等自然科學(xué)領(lǐng)域有著廣泛應(yīng)用與研究[1-3]。它突破了短時傅里葉變換的單分辨率限制，能動態(tài)調(diào)整時、頻窗口，達到多尺度分析信號的功能。當(dāng)信號處理平穩(wěn)低頻狀態(tài)時，通過較低的時間分辨率達到對頻率分辨本領(lǐng)的提升;反之，當(dāng)高頻信息頻率改變較小時，通過較低的頻率分辨率獲得準(zhǔn)確的時間點[4-7]。文獻[8]研究了嵌入式零樹小波的離散小波變換算法與霍夫曼編碼相結(jié)合的圖像壓縮編碼方法;文獻[9]對遙感圖像采用加權(quán)小波分析的融合算法進行了研究，有效解決了低頻分量抑制導(dǎo)致圖像朦朧的問題，實現(xiàn)了低頻與高頻空間分辨率的有機結(jié)合;文獻[10-11]研究了Gabor小波和卷積神經(jīng)網(wǎng)絡(luò)判定新算法對圖像進行特征粗提取問題。文獻[12]討論了小波變換的自適應(yīng)分水嶺邊緣檢測方法，并通過兩次閾值法處理小波分解系數(shù)，實現(xiàn)圖像的重建，以及進一步采用微分算子對圖像進行了分割研究;文獻[13]探討了冗余小波變換與引導(dǎo)濾波的多聚焦圖像融合算法，對源圖像細(xì)節(jié)信息采用小波逆變換處理，可以獲得有用的細(xì)節(jié)信息，克服了傳統(tǒng)多尺度變換在多聚焦圖像融合中導(dǎo)致的邊緣暈圈現(xiàn)象。在已有研究的基礎(chǔ)上，考慮到對醫(yī)學(xué)影像圖像壓縮過分現(xiàn)象，本研究提出一種離散小波變換的醫(yī)學(xué)影像圖像局部壓縮方法，并詳細(xì)地討論了離散小波變換算法在醫(yī)學(xué)影像圖像壓縮中的實現(xiàn)研究及仿真實驗。

1 離散小波變換的醫(yī)學(xué)影像圖像局部壓縮算法模型

2 離散小波變換在醫(yī)學(xué)影像圖像局部壓縮中的仿真實現(xiàn)

通過分析和處理載有信息的圖像信號，才能得到其中的有用信息。頻域分析過程中把時域信號變換到頻域，可以將信號點之間的關(guān)聯(lián)性消除，提取主要特征，抑制次要部分，從而提高圖像的壓縮比率。而實際應(yīng)用中不僅需要考查信號的頻域性質(zhì)，也要對時域特性進行研究。如遠(yuǎn)距離傳輸醫(yī)學(xué)影像信號，既要求對整幅醫(yī)學(xué)影像圖像達到高壓縮比，又要求被關(guān)注區(qū)域的分辨率高。而對醫(yī)學(xué)圖像進行傅里葉變換的頻域分析法很難滿足其某局部細(xì)節(jié)具有分辨率高的要求。即使圖像經(jīng)過分塊細(xì)化分解后按照不同的閾值進行分割，塊的大小也是相對固定的，因而靈活性受到限制[19-21]。對如上問題，利用小波變換兼顧時、頻特性優(yōu)勢，可以對關(guān)注部分的圖像信息根據(jù)需要進行不同精度的壓縮，以滿足實際需求。

在研究文獻[22-23]基礎(chǔ)上，通過MATLAB平臺編程，實現(xiàn)算法仿真。圖2為對MRI運用離散小波變換，實行局部壓縮處理的算法實現(xiàn)。運行程序，結(jié)果如圖3所示。圖3（a）為原始MRI;圖3（b）為圖3（a）經(jīng)離散小波局部第一次壓縮后的圖;圖3 （c）為圖3（a）經(jīng)離散小波局部第二次壓縮的圖。

通過比較圖3（a）、（b）、（c）可觀察到，第一次壓縮獲得的信息來源于原始圖像中經(jīng)過離散小波分解之后的第一層低頻信息，壓縮比約為1∶ 4，其值較小;第二次壓縮是經(jīng)離散小波分解后的第二層低頻信息，有很大的壓縮比，約1∶ 13，呈現(xiàn)出羽化現(xiàn)象，在醫(yī)學(xué)圖像的第二次壓縮之后，其視覺效果可以接受。對于經(jīng)一層離散小波變換后的圖像，將圖像中反映原圖像各頻率段的細(xì)節(jié)信息的系數(shù)設(shè)置為零，其壓縮后的圖像中呈現(xiàn)出只有中間部分圖像變得模糊了，而其他區(qū)域的細(xì)節(jié)信息仍然可清楚地辨識。離散小波域的系數(shù)代表原始圖像每個頻率段的詳細(xì)信息，通過設(shè)置圖像局部細(xì)節(jié)系數(shù)，實現(xiàn)圖像局部化壓縮的程度?？梢?，離散小波變換在醫(yī)學(xué)影像圖像局部壓縮中保留了原始信號的低頻成分，能夠得到理想的壓縮要求、無需其他處理過程，方法簡單、便利;具有壓縮比高，速度快，圖像的基本結(jié)構(gòu)特性保持穩(wěn)定，并在圖像傳輸過程中，具有抗干擾強等優(yōu)點。

3 結(jié)語

離散小波變換在處理醫(yī)學(xué)影像圖像壓縮問題上具有很大的優(yōu)勢。它為醫(yī)療診斷影像的互聯(lián)網(wǎng)絡(luò)化提供了便利算法，推動著數(shù)字化醫(yī)療設(shè)備技術(shù)、醫(yī)院信息化管理技術(shù)等一系列遠(yuǎn)程醫(yī)療核心技術(shù)的發(fā)展。遠(yuǎn)距離傳輸醫(yī)學(xué)影像信號，既要求對整幅醫(yī)學(xué)影像圖像達到高壓縮比，又要求被關(guān)注區(qū)域的分辨率高。本文分析了離散小波變換的數(shù)學(xué)模型，并詳細(xì)討論了離散小波變換算法在醫(yī)學(xué)影像圖像壓縮中的實現(xiàn)，對原始磁共振圖像進行離散小波局部一次壓縮和二次壓縮的仿真實驗探討，為實際醫(yī)學(xué)影像圖像壓縮應(yīng)用和理論研究提供借鑒。

參考文獻：

[1]柳建新， 李杰， 楊俊. 改進的小波分頻重構(gòu)算法在石油地震勘探中的應(yīng)用[J]. 地球物理學(xué)進展， 2010， 25（6）： 2009-2014.

[2]明平壽， 李倩倩. 帶通濾波與小波分析對側(cè)掃聲吶參數(shù)測試研究及算法改進[J]. 海洋技術(shù)學(xué)報， 2018， 37（1）： 50-53.

[3]牟希農(nóng). 基于小波域馬爾可夫隨機場的醫(yī)學(xué)影像圖像提取實現(xiàn)研究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2020， 37（1）： 74-77.

[4]劉義鵬. ?超復(fù)數(shù)描述下的超聲圖像壓縮算法研究[D]. 哈爾濱： 哈爾濱工業(yè)大學(xué)， 2011.

[5]王亞超. ?基于小波變換的木材圖像處理技術(shù)研究[D]. 呼和浩特： 內(nèi)蒙古農(nóng)業(yè)大學(xué)， 2013.

[6]曹玉茹， 鄭戟明. 基于Matlab的圖像壓縮實現(xiàn)[J]. 計算機工程與設(shè)計， 2009， 30（12）： 2998-3000，3004.

[7]劉晶， 奚曉梁， 周曉東， 等. 基于小波包的圖像壓縮處理[J]. 光電技術(shù)應(yīng)用， 2006， 21（1）： 51-53， 66.

[8]詹為， 段先華， 於躍成. 基于小波變換的圖像壓縮編碼方法研究[J]. 計算機技術(shù)與發(fā)展， 2018， 28（6）： 21-25.

[9]莫才健， 田健榕， 武鋒強， 等. 基于加權(quán)小波分析的遙感圖像融合算法[J]. 吉林大學(xué)學(xué)報（理學(xué)版）， 2018， 56（3）： 617-624.

[10]OSHER S， PARAGIOS N. Geometric level set methods in imaging， vision， and graphics[M]. New York： Springer-Verlag， 2003： 175-194.

[11]李鵬程， 吳濤， 張善卿. 基于Gabor小波和CNN的圖像失真類型判定算法[J]. 計算機應(yīng)用研究， 2019， 36（10）： 3179-3182.

[12]溫金玉， 宣士斌， 肖石林. 基于小波變換的自適應(yīng)水嶺邊緣檢測技術(shù)[J]. 計算機技術(shù)與發(fā)展， 2018， 28（6）： 77-79，84.

[13]楊艷春， 李嬌， 黨建武， 等. 基于冗余小波變換與引導(dǎo)濾波的多聚焦圖像融合[J]. 計算機科學(xué)， 2018， 45（2）： 301-305.

[14]董湘君. ?基于小波域的數(shù)字圖像復(fù)原研究[D]. 廣州：華南師范大學(xué)， 2005.

[15]尹慧平， ?張耀楠， ?何穎. ?基于CT圖像的全心臟分割方法研究[J]. ?現(xiàn)代計算機， ?2016（32）： 62-66.

[16]胡云. ?基于小波半規(guī)則網(wǎng)格壓縮均方誤差的近似方法[D]. 無錫：江南大學(xué)， 2008.

[17]任慧斌. ?基于JPEG2000的圖像漸進傳輸及感興趣區(qū)域編碼[D]. 武漢： 華中科技大學(xué)， 2008.

[18]王秀君， 林小竹， 史立勇. 小波分析在數(shù)字圖像處理中的應(yīng)用[J]. 北京石油化工學(xué)院學(xué)報， 2006， 14（2）： 14-17.

[19]張德豐， 馬莉， 范靈， 等. 基于小波圖像壓縮技術(shù)的算法研究[J]. 中山大學(xué)學(xué)報（自然科學(xué)版）， 2008， 47（2）： 42-45.

[20]陳軍. 基于小波分析的醫(yī)學(xué)影像圖像除噪設(shè)計及仿真研究[J]. 貴州大學(xué)學(xué)報（自然科學(xué)版）， 2020， 37（5）： 78-81，88.

[21]吳星， 林林， 陳海軍， 等. 基于小波閾值法的脈搏波去噪算法[J]. 北京生物醫(yī)學(xué)工程， 2021， 40（1）： 38-45.

[22]牟希農(nóng). 基于MATLAB的醫(yī)學(xué)影像圖像恢復(fù)實現(xiàn)研究[J]. 中央民族大學(xué)學(xué)報（自然科學(xué)版）， 2019， 28（1）： 36-41.

[23]賈劍鋒， 馬萍. 小波變換在圖像壓縮中的應(yīng)用[J]. 科技信息（科學(xué)教研）， 2008（20）： 347，383.

（責(zé)任編輯：曾 晶）

Abstract：

Firstly， ?the mathematical model of discrete wavelet transform algorithm is analyzed， and the realization of medical image compression based on discrete wavelet transform algorithm is discussed in detail. Then， the local primary compression and secondary compression of discrete wavelet are simulated for the original magnetic resonance images. The experimental results show that the theoretical analysis is reasonable and the design is correct.

Key words：

medical images; local compression; discrete wavelet transform; algorithm; realization