[发明专利]基于共性特征的批量图像压缩传输与还原的系统及方法

摘要

本发明提供一种基于共性特征的批量图像压缩传输与还原的系统及方法，涉及医学图像后处理技术领域。系统包括基础图像获取单元、差分数据计算与传输单元和原始图像还原单元，基础图像获取单元批量输入原始医学图像，利用医学图像的共性特征，通过图像差分、互信息计算及仿射变换的粒子群算法来获取最优基础图像，在差分数据计算与传输单元中获取最终差分数据并进行传输，利用原始图像还原单元采用压缩感知重构算法还原原始医学图像。本发明适用于批量图像的高效压缩和传输，只传输中间数据，在大幅提高图像的压缩效率的同时，尽可能的保持原图的完整性，极大的降低了数据的传输量，提高了图像的传输、存储效率，为医生的诊断提供更多的图像信息。

主权项

1.一种基于共性特征的批量图像压缩传输与还原的系统，其特征在于，包括基础图像获取单元(1)、差分数据计算与传输单元(2)和原始图像还原单元(3)；所述基础图像获取单元(1)，用于通过对批量医学图像共性特征的提取，来建立一个最优基础图像；所述基础图像获取单元包括图像批量输入模块和基础图像建立模块(101)；所述图像批量输入模块，用于批量地输入原始医学图像；所述基础图像建立模块(101)，用于通过图像差分、互信息计算及仿射变换的粒子群算法来衡量所述基础图像与各原始医学图像的实际差距，并对其不断进行修改，建立与各个原始医学图像之间的差分数据相对最小的图像，即最优基础图像；所述基础图像建立模块(101)包括互信息计算模块、图像差分模块和最优解计算模块；所述互信息计算模块，用于计算批量输入的各个原始医学图像特定的互信息，提取共性特征；所述图像差分模块，用于计算基础图像与各原始医学图像的差异，得到差分数据；所述基础图像依据互信息计算结果，确定基础图像的获取范围，在该范围内的原始医学图像中随机产生；所述基础图像的获取范围小于批量输入原始医学图像的数量；所述最优解计算模块，用于采用粒子群算法，依据互信息计算结果和差分数据，迭代计算出最优的仿射变换数值及利用该仿射变换数值得到的最优基础图像；所述差分数据计算与传输单元(2)，用于在所述最优基础图像的基础上，对各原始医学图像进行图像差分处理，将相同数据进行消除，得到最优的差分数据，并对最优的差分数据与最优基础图像进行存储和传输；所述原始图像还原单元(3)，用于在最优基础图像的基础上，将差分数据加载，利用压缩感知算法重构出原始图像，包括差分图像重构模块和原始图像重构模块；所述差分图像重构模块，用于在基础图像的基础之上，加载差分数据，再利用压缩感知算法重构出差分图像；所述原始图像重构模块，用于对重构出的差分图像进行加载与逆仿射变换处理，重新建立原始医学图像。