更多信息请访问：51CTO与华为正式共建鸿蒙科技社区https://ost.51cto。com本文来自ELT.ZIP团队，ELT<=>Elite（精英），.ZIP是压缩格式，ELT.ZIP是压缩精英。【本期看点】一种意想不到的使用PNG的方式。详细解释第十八代MPEG的隐藏关系。AV1|H.266的王位之争，谁才是最终的赢家。还不如走一条从来没有想过的医疗道路。CNN也可以很疯狂。知道了！原来这是人类视觉系统（HVS）。[技术DNA][智能场景]基于稀疏表示背景的医学序列图像压缩方法随着医学影像技术的发展，近年来各种医学影像设备产生了大量的医学数字图像。医学数字图像具有内容丰富、形象直观的特点，可以很好地辅助医学诊断。然而，医学数字图像数据由于数据量巨大，需要对其进行压缩，占用大量的存储空间和传输带宽。现有的图像压缩标准大多基于图像的正交变换，其中以基于离散余弦变换的JPEG压缩标准最具代表性。JPEG算法具有优良的压缩性能，适用于各种图像的压缩。但是，JPEG算法使用固定的字典进行编码和解码，在用于压缩医学数字图像时，没有考虑医学数字图像的特点来进一步提高压缩性能。另外，正交变换对于图像表示不是最优的，不能稀疏地捕捉图像的规律性和轮廓特征，因此图像压缩进一步研究的突破口在于图像表示。近年来，稀疏表示已成为图像处理领域的研究热点。稀疏表示理论表明，任何信号都可以在过完备原子库上进行稀疏分解，即原始信号可以用过完备原子库中尽可能少的原子的线性组合来表示。对过完备原子库进行图像稀疏分解的结果非常简洁，直观上符合人眼的视觉特征。图像稀疏表示出色的持久性使其成为解决医学数字图像压缩问题的新途径。基于稀疏表示的人脸识别算法示意图之所以可以压缩概念图像表示的冗余图像，是因为图像表示过程中存在冗余数据。包含重复信息或不相关信息的数据称为冗余数据，不同的图像表示方法采用不同的数据形式，因此有不同的冗余数据。通常，数字图像表示中的数据冗余主要有3种类型，即：编码冗余、空间和时间冗余以及无关信息。编码冗余：编码是用来表示信息实体或事件集合的符号系统。每个消息或事件都分配了一个编码符号序列，称为代码字。码字中的符号数就是码字的长度。编码冗余是指当前表示给定信息的码字的平均长度可以通过某种编码策略来减少。时空冗余：图像中265个灰度级等概率出现；水平方向，每条线上的像素点都是一样的，所以水平方向的像素点最相关；垂直方向上，因为每条线的灰度级是随机的，所以垂直方向上相邻的像素是相互独立的。不能用简单的变长编码来实现压缩，但是灰度矩阵中每一行的数据是完全一样的。如果图像以传统矩阵的形式表示，会存在相当大的数据冗余。这就是图像在空间中的冗余。图像数据在时间上的冗余度与此类似，即在时间上，相邻像素点的相关性非常大，例如序列图像的前后有很大的相关性。无关信息：一些被人类视觉系统忽略或没有价值的信息通常称为无关信息，在传统表示中被认为是冗余的。例如图1是计算机生成的图像，在肉眼看来可以认为是由单个灰度级组成的。这样，所有的像素点都用一个灰度值表示，而原来的2562568位灰度矩阵可以用一个8位的数值表示，从而达到很高的压缩比。图2显示了图1的直方图。可以看出并非所有像素实际上都具有相同的灰度级。因此，上述压缩方式会对图像的原有质量造成很小程度的破坏，但这种破坏是人类视觉系统难以察觉的，也就是说，非常小的灰度值不一致。图1中的像素数量可以忽略不计，这样就可以去除这种无关信息造成的冗余。无损压缩图像无损压缩是在不损失图像信息的情况下，将表示图像的数据以一定的编码方式进行编码，减少所需的比特数。比较经典的无损压缩方式有哈夫曼编码、游程编码、算术编码等。针对不同的图像，根据图像的特点，采用合适的编码方式，会达到较好的压缩效果。图像无损压缩方法不会丢失恢复图像的任何信息，即重建效果极佳，但这类方法对图像的压缩能力有限。有损压缩图像有损压缩是指在图像压缩过程中允许丢失某些信息，解压后不能完全恢复原始图像数据，但丢失的部分对图像质量影响很小，不会干扰人对图像内容的理解.正是因为如此，有损压缩通常会导致更高的图像压缩比。目前比较成熟的有损压缩方法是基于离散余弦变换和小波变换。其中，基于离散余弦变换的压缩方法以JPEG为代表，基于小波变换的压缩方法以JPEG2000和多级树集分裂算法（SetPartitioningInHierarchicalTrees，SPIHT）为代表，这些算法具有优良的压缩性能.由于版权和技术问题，JPEG2000在实践中并未得到广泛应用。JPEG是当今最流行的图像压缩算法。字典在信号处理领域，字典是数据的高级概括。字典可以以字典原子的线性组合形式表示数据的大部分信息。即使这部分数据丢失了，我们仍然可以想办法从字典中重建或者近似恢复这部分数据。字典可以分别通过预定义和学习得到。预定义字典，如DCT字典、小波字典等，构造简单方便，但普遍对信号的适应性较差。学习词典通常可以从信号中学习特征并完整地表示信号。由字典稀疏表示的信号可用于许多信号处理任务，例如压缩感知、特征提取、图像分类、图像去噪和压缩。算法经过多年的研究，随着许多基于离散余弦变换和小波变换的图像压缩方法的诞生，图像压缩问题达到了一个重要的里程碑，同时也是一个研究瓶颈。基于正交变换的图像压缩方法虽然可以取得很好的压缩效果，但也存在一些不足。例如，正交变换不能很好地表示图像的轮廓，使用固定的字典进行医学数字图像压缩，不会考虑医学图像本身的特点，压缩速度比较慢，等等。图像稀疏表示是近年来兴起的一种新的图像表示方法。基于稀疏表示的图像压缩为解决医学数字图像压缩问题提供了一种新的研究思路。医学序列图像的特点医学序列图像是指在同一成像设备下对同一研究对象在不同切片或不同时间扫描切片的集合。根据切片采集来源不同，可分为时间序列图像和空间序列图像。时间序列图像是指通过对患者时间轴进行时间延迟得到的图像集，记录了一段时间内患者的患者信息。比如SARS患者发病期间，每天都要拍胸部CT。这些时间离散的图像，构成了一组相同类型的医学时间序列图像。空间序列图像是指通过成像设备对患者某个器官的不同切片进行扫描。利用这些连续扫描的切片，通过3D重建技术，可以将人体器官真实地以“3D”的形式展现出来，实现其3D可视化。图3医学序列图像示例医学序列图像有其自身的特点，即背景比较简单，序列中相邻图像包含的大部分信息是相同的，这意味着会有很多这些图像中重复的信息。三是病例的部分头颅CT图像序列。可以看出，这些图像序列是渐进的，即相邻图像的变化很小。因此，本文提出的基于稀疏表示的医学序列图像压缩方法是先减少序列图像之间的相关冗余信息，然后利用稀疏表示方法对图像数据进行压缩，从而达到图像压缩的目的。基于稀疏表示的压缩方法从医学序列图像的特点可以看出（图3），序列中相邻图像之间存在很强的相似性，如果将图像划分为指定大小的图像块，在这个序列中ofimageblocks中，会有很多相似的图像块。基于此，本文提出了一种基于稀疏表示的医学序列图像压缩方法。首先将一个序列图像进行分块，然后根据所有图像块之间的相似度，选取部分图像块作为参考块，即其他图像块与参考块集合中的某个块非常相似，并且可以直接用这个引用块代替。在进行相似度度量时，将所有图像块与参考块的对应关系一一记录下来。然后只对参考块集进行稀疏分解，将参考块集分解得到的稀疏系数矩阵作为二级字典。待表示信号是稀疏表示模型中字典某些列的线性组合，而这里的二级字典，待表示信号只是根据二级字典的某一列进行重构，过完备性不需要二级词典。在图像压缩过程中，对一系列图像块进行相似度计算后，只考虑其中一个图像块中相似度高的图像块，并将其作为参考块，其他图像块均被考虑作为副本。无需存储。对于所有的图像块，需要依次存储每个图像块的相似参考块的序号，即参考索引。参考块的序号和二级字典的列号是一一对应的，也就是说需要指明图像块在二级字典中的哪个列系数用于重建。被重建。这个算法分为两部分：二级字典，字典中的每一列都是一个稀疏系数向量，逐列存储，列中的数据是一个稀疏系数，每个系数存储位置索引和位置索引两个信息振幅;引用索引，因为引用索引其实就是二级词典的列号，二级词典的列号就是引用块的个数。假设经过相似度计算得到N个参考块，参考索引的数据范围为O~N-1。压缩过程如下：图4基于稀疏表示的序列图像压缩过程解压过程如下:图5.基于稀疏表示的序列图像解压缩过程所谓过完备字典是指其基一般是冗余的，即基元素的个数大于维数。过完备基下的图像表示比完全正交基下的图像表示更稀疏。图像的干净部分可以用少量的非零稀疏表示系数线性表示，而噪声一般认为是不稀疏的，因此可以根据它们之间的关系进行计算。差来达到去除噪声的目的。算法测试将上述提出的基于稀疏表示的序列图像压缩方法与传统的基于稀疏表示的图像压缩方法和JPEG压缩方法进行了比较。图6显示了这些不同方法的压缩效果。可以看出，该方法的压缩效果优于传统的基于稀疏表示的图像压缩方法。JPEG在低码率下的压缩效果优于该方法，在高码率下该方法的压缩效果优于JPEG。考虑到医学图像对图像质量要求较高，需要较高的峰值信噪比，基于序列图像稀疏表示的方法在峰值信噪比较高的情况下可以取得比JPEG更好的压缩效果。图6.不同压缩方法的压缩效果比较一种序列图像整体压缩方法在高峰值信噪比下优于JPEG压缩标准。更多资讯请浏览：?????????????????????????????????????????????????????????
