【技术实现步骤摘要】
三维生物医学图像压缩方法、系统、设备及存储介质
[0001]本专利技术涉及图像压缩编码
,尤其涉及一种三维生物医学图像压缩方法、系统、设备及存储介质。
技术介绍
[0002]三维生物医学图像主要包括三维生物图像和三维医学图像。随着人工智能的发展,三维生物医学图像具有更加广阔的应用前景和应用需求。三维生物医学图像体积巨大,为存储和传输带来了巨大挑战。因此三维图像压缩技术是使得这类图像能够广泛使用的关键技术。目前用于三维生物医学图像的主流技术是基于传统小波变换方案,其中最为广泛应用的技术是JP3D标准(Extensions for Three
‑
Dimensional Datain JPEG
‑
2000,JPEG
‑
2000标准的三维图像扩展)。
[0003]传统小波变换是一种局部的变换方法,它继承和发展了短时傅立叶变换局部化的思想,同时又克服了窗口大小不随频率变化等缺点,能够提供一个随频率改变的“时间
‑
频率”窗口,是进行信号时频分析和处理的理想工具。它可以对图像进行局部化、多尺度分析,因此常被用于图像编码的任务中。传统小波变换有两种实现形式,分别称为第一代小波和第二代小波。第一代小波变换采用基函数的形式对信号进行分解,其矩阵运算复杂,不利于硬件实现。第二代小波称为小波的提升方案,它将第一代小波分解为提升结构,便于手工设计,其结构适应了硬件实现。
[0004]以三维图像为例,第二代小波变换分解信号的过程如图1所示。首先输入的三 ...
【技术保护点】
【技术特征摘要】
1.一种三维生物医学图像压缩方法,其特征在于,包括:编码阶段,采用基于训练的三维仿射小波变换对输入的三维生物医学图像进行分解,步骤包括:将输入的三维生物医学图像当前方向拆分为奇数帧和偶数帧,奇数帧输入至基于深度网络的预测网络,得到预测结果与第一仿射图,所述预测结果经所述第一仿射图缩放后与所述偶数帧做差值,差值结果为高频信号,所述高频信号输入至基于深度网络的更新网络,得到更新结果与第二仿射图,所述更新结果经所述第二仿射图缩放后与所述奇数帧相加,相加结果为低频信号,完成一个分解流程,执行若干次分解流程,完成当前方向的分解;对当前方向分解获得的低频信号与高频信号进行其余方向的分解;利用所有方向的分解结果进行熵编码;解码阶段,采用与所述编码阶段相反的流程,重建三维生物医学图像。2.根据权利要求1所述的一种三维生物医学图像压缩方法,其特征在于,所述第一仿射图为一张和预测结果大小一致的张量,所述第二仿射图为一张和更新结果大小一致的张量,对所述预测结果以及所述更新结果均各自通过sigmoid函数计算出相应的仿射图,相应的仿射图为所述预测结果和更新结果的每一个空间位置单独提供了一个缩放值;或者,所述仿射图为一个标量,将其设置为一个可以学习的变量,通过仿射图为所述预测结果和更新结果的每一个空间位置提供了同一个缩放值。3.根据权利要求1或2所述的一种三维生物医学图像压缩方法,其特征在于,所述预测结果经所述第一仿射图缩放,以及所述更新结果经所述第二仿射图缩放的方式包括:编码阶段,将所述第一仿射图与所述预测结果相乘,将所述第二仿射图与所述更新结果相乘,用来缩放预测结果与更新结果中每一个空间位置的输出大小;或者,将所述第一仿射图与第二仿射图每一个位置的数值进行量化,将乘法运算通过右移操作实现,通过右移操作缩放预测结果与更新结果中每一个空间位置的输出大小;解码阶段,将所述预测结果除以所述第一仿射图,将所述更新结果除以所述第二仿射图,用来缩放预测结果与更新结果中每一个空间位置的输出大小;或者,将所述第一仿射图与第二仿射图每一个位置的数值进行量化,将除法运算通过左移操作实现,通过左移操作缩放预测结果与更新结果中每一个空间位置的输出大小。4.根据权利要求1所述的一种三维生物医学图像压缩方法,其特征在于,所述基于训练的三维仿射小波变换使用参数共享策略;所述三维生物医学图像按照轴向分辨率的不同分为各向同性图像和各向异性图像;对于各向同性图像,基于训练的三维仿射小波变换中的预测网络和更新网络使用相同的结构,并共享全部参数;对于各向异性图像,基于训练的三维仿射小波变换中的预测网络和更新网络使用相同的结构,轴向单独使用一套参数,其余方向共享全部参数。5.根据权利要求1或4所述的一种三维生物医学图像压缩方法,其特征在于,所述预测网络与更新网络的结构包括:依次连接的五个三维卷积层,其中,第一个三维卷积层的输出与第五个三维卷积层的输出连接,第二个三维卷积层的输出与第四个三维卷积层的输出连接,...
【专利技术属性】
技术研发人员:李礼,薛冬梅,马海川,刘东,熊志伟,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。