Method and device for performing non-dyadic wavelet transformations

专利摘要:
Die vorliegende Erfindung bezieht sich auf eine Technik zur Komprimierung von Daten unter Verwendung nichtdyadischer Wavelet-Transformationen. Die nichtdyadischen Wavelet-Transformationen können aus einem allgemeinen Modell abgeleitet werden, oder die speziellen nichtdyadischen Wavelet-Transformationen können so aufgebaut sein, wie es nötig ist, um die erwünschten Bildeigenschaften eines komprimierten Bildes zu verstärken. Die nichtdyadischen Wavelet-Transformationen können differentiell auf unterschiedliche Datendimensionen angewandt werden, um nicht quadratische Transformationen durchzuführen. Außerdem können nichtdyadische Wavelet-Transformationen aufeinanderfolgen, um neuartige Bildauflösungen der komprimierten Bilder zu erreichen.The present invention relates to a technique for compressing data using nonddyadic wavelet transforms. The non-dyadic wavelet transforms can be derived from a general model, or the special non-dyadic wavelet transforms can be constructed as necessary to enhance the desired image properties of a compressed image. The non-dyadic wavelet transforms can be applied differentially to different data dimensions to perform non-quadratic transformations. In addition, non-dyadic wavelet transformations can follow one another in order to achieve novel image resolutions of the compressed images.
公开号:DE102004001414A1
申请号:DE200410001414
申请日:2004-01-09
公开日:2004-07-22
发明作者:Sudipta Bangalore Mukhopadhyay；Nithin Bangalore Nagaraj；Frederick Wilson Wheeler
申请人:General Electric Co；
IPC主号:G01R33-54

专利说明:
[0001] Die vorliegende Erfindung betrifftallgemein die Bilddatenkomprimierung. Insbesondere betrifft dieErfindung eine Technik zur Komprimierung von Bilddaten zur schnellen Übertragungund Dekomprimierung.The present invention relates togenerally image data compression. In particular, theInvention a technique for compressing image data for fast transmissionand decompression.
[0002] Die Bilddatenkomprimierung hat weitgehendeAnwendungen. Digitalisierte Bilder können auf verschiedene Artengeschaffen werden, zum Beispiel mittels relativ einfacher Digitalisierungsausrüstung unddigitaler Kameras wie auch mittels komplexer Bildverarbeitungssystemewie diejenigen, welche fürmedizinische Diagnosen verwendet werden. Ohne Berücksichtigungder Umgebung, aus welcher die Bilddaten stammen, werden digitaleDaten, welche die Bilder beschreiben, für die spätere Wiederherstellung undDarstellung gespeichert und können über Netzewie beispielsweise das Internet zu unterschiedlichen Orten übertragenwerden. Ziele der Verwaltung digitaler Bilder schließen diewirkungsvolle Verwendung des Speichers, der der Speicherung vonBilddaten zugeteilt ist, wie auch die wirkungsvolle und schnelle Übertragungder Bilddaten zur Wiederherstellung ein. Das letzte Ziel ist besonderswichtig, wenn großeoder komplexe Bilder überNetze mit relativ begrenzter Bandbreite übertragen werden sollen. Rufdem Gebiet der medizinischen diagnostischen Bildverarbeitung beispielsweisekann es sehr großeSätze vonBilddaten geben, die zu einer Anzahl von Nutzern übertragenund von diesen angesehen werden sollen, einschließlich derer,die begrenzten Zugang auf sehr hohe Bandbreiten haben, welche für die schnelle Übertragungder Bilder mit allen Details erforderlich ist.The image data compression has extensiveApplications. Digitized images can be created in different waysbe created, for example by means of relatively simple digitization equipment anddigital cameras as well as by means of complex image processing systemslike those formedical diagnoses are used. Without considerationThe environment from which the image data originate becomes digitalData that describe the images for later restoration andRepresentation saved and can over networkssuch as transferring the internet to different placesbecome. Digital image management goals includeeffective use of memory, the storage ofImage data is allocated, as is the effective and fast transmissionthe image data for recovery. The final goal is specialimportant when bigor complex images aboutNetworks with a relatively limited bandwidth are to be transmitted. callthe field of medical diagnostic image processing, for exampleit can be very largeSets ofGive image data that is transmitted to a number of usersand should be viewed by them, including thosewho have limited access to very high bandwidths, which is necessary for fast transmissionthe pictures with all the details is required.
[0003] Bildarchivierungs- und Kommunikationssystemeoder PACS sind neuerdings extrem wichtige Bestandteile bei der Verwaltungvon digitalisierten Bilddaten, insbesondere auf dem Gebiet der medizinischen Bildverarbeitung.Solche Systeme wirken oft als zentrale Lager von Bilddaten, welchedie Daten von verschiedenen Quellen, wie medizinischen Bildverarbeitungssystemen,empfangen. Die Bilddaten werden gespeichert und Röntgenologen,diagnostizierenden und konsultierenden Ärzten und anderen Spezialistenwird überNetzverbindungen der Zugriff ermöglicht.Verbesserungen des PACS führtenzu dramatischen Fortschritten des Umfangs der verfügbaren Bilddatenund erleichterten das Laden und Übertragenvon umfangreichen Dateien innerhalb von Institutionen und zwischeneinem zentralen Lagern oder Lagern und entlegenen Klienten.Image archiving and communication systemsor PACS have recently become extremely important components in administrationof digitized image data, in particular in the field of medical image processing.Such systems often act as central storage of image data, whichthe data from various sources, such as medical imaging systems,receive. The image data are saved and radiologists,diagnosing and consulting doctors and other specialistsis aboutNetwork connections that allow access.PACS improvements resultedon dramatic advances in the amount of image data availableand made loading and transferring easierof large files within and between institutionsa central warehouse or camps and remote clients.
[0004] Eine große Herausforderung ist dieweitere Verbesserung der Verarbeitung großer Dateien, die Bilder definieren,für alleBildverarbeitungssysteme von einfachen Internetbrowsern bis zu einemPACS fürmedizinische Diagnosen. Auf dem Gebiet der medizinischen Diagnosekönnendigitalisierte Daten abhängigvon den Bildverarbeitungsmethoden erfaßt und für eine große Anzahl von Bildern für eine einzigeUntersuchung verarbeitet werden, wobei jedes Bild einen großen Datensatzdarstellt, der diskrete Bildelemente oder Pixel eines wiederhergestelltenBilds definiert. Bildverarbeitungssysteme für Computertomographie (CT)könnenbeispielsweise viele getrennte Bilder von einer untersuchten Anatomiefür einensehr kurzen Untersuchungszeitrahmen erzeugen. Idealerweise werdendie gesamten derartigen Bilder zentral auf dem PACS gespeichertund den Röntgenologenzur Beurteilung und Diagnose verfügbar gemacht.It is a big challengefurther improve the processing of large files that define images,for allImage processing systems from simple internet browsers to onePACS formedical diagnoses. In the field of medical diagnosiscandigitized data dependentcaptured by the image processing methods and for a large number of images for a single oneExamination will be processed, with each image being a large data setrepresents the discrete picture elements or pixels of a restored oneImage defined. Image processing systems for computed tomography (CT)canfor example, many separate images of an examined anatomyfor onegenerate a very short examination time frame. Ideallyall such images are stored centrally on the PACSand the radiologistmade available for assessment and diagnosis.
[0005] Verschiedene Techniken wurden vorgeschlagenund werden gegenwärtigfür dieAnalyse und Komprimierung großerDateien wie beispielsweise medizinische Bilddateien verwendet.Various techniques have been proposedand become presentfor theAnalysis and compression largeFiles such as medical image files are used.
[0006] Bilddateien weisen typischerweiseStrömevon Daten auf, die beschreibend für Bildmerkmale typischerweisevon Intensitätenoder andere Merkmale individueller Pixel des wiederhergestelltenBildes sind. Auf dem Gebiet der medizinischen Diagnose werden dieseBilddateien typischerweise währendder Bilderfassung oder der Kodierungssequenz wie in einem Röntgensystem,einem Magnetresonanzbilddsystem, einem Computertomographiebildsystemund so weiter erzeugt. Die Bilddaten werden dann verarbeitet, umdynamische Bereiche anzupassen oder um gewisse Merkmale, die aufdem Bild gezeigt sind, zu verstärkenfür dieSpeicherung, Übertragungund Darstellung.Image files typically pointstreamsof data that is typically descriptive of image featuresof intensitiesor other characteristics of individual pixels of the restoredPicture are. In the field of medical diagnosis, these areImage files typically duringthe image acquisition or the coding sequence as in an X-ray system,a magnetic resonance imaging system, a computed tomography imaging systemand so on. The image data is then processed toadapt dynamic ranges or to certain characteristics based onshown in the picturefor theStorage, transmissionand representation.
[0007] WährendBilddateien in rohen und verarbeiteten Formaten gespeichert werdenkönnen,sind viele Bilddateien recht groß und würden einen beträchtlichenPlatten- oder Speicherraum einnehmen. Die zunehmende Komplexität von Bildverarbeitungssystemenführteauch zur Erzeugung von sehr großenBilddateien, die typischerweise mehr Daten als ein Ergebnis einesnützlichendynamischen Bereichs des Bildverarbeitungssystems, der Größe der Matrixder Bildpixel und der Anzahl der Bilder, die pro Untersuchung erfaßt werden,beinhaltet.WhileImage files can be saved in raw and processed formatscan,many image files are quite large and would be quite largeTake up disk or storage space. The increasing complexity of machine vision systemsledalso for the production of very largeImage files that typically contain more data than a result of oneusefuldynamic range of the image processing system, the size of the matrixthe image pixels and the number of images captured per exam,includes.
[0008] Zusätzlich dazu, daß große Bilddateieneinen großenBereich des verfügbarenSpeichers einnehmen, kann es schwierig und zeitraubend sein, sievon einem Ort zu einem anderen zu übertragen. In der medizinischenBildverarbeitung beispielsweise wird ein Scanner oder eine andereBildverarbeitungseinrichtung typischerweise Rohdaten erzeugen, diezumindest teilweise von dem Scanner verarbeitet werden können. DieDaten werden dann zu einer weiteren Bildverarbeitungsschaltung übertragen,die typischerweise einen programmierten Computer umfaßt, wo dieBilddaten weiterverarbeitet und vermehrt werden. Schließlich werdendie Bilddaten entweder lokal in dem System oder in dem PACS für die spätere Wiedergewinnungund Analyse gespeichert. Füralle diese Schritte der Datenübertragungmuß aufgroßeBilddateien zugegriffen werden und diese von einer Einrichtung zueiner weiteren übertragenwerden.In addition to having large image filesa bigRange of availableTaking up memory, it can be difficult and time consumingto transfer from one place to another. In the medicalImage processing, for example, becomes a scanner or anotherImage processing device typically generate raw data thatcan be processed at least partially by the scanner. TheData is then transferred to another image processing circuitwhich typically includes a programmed computer where theImage data can be processed and expanded. Finally bethe image data either locally in the system or in the PACS for later retrievaland analysis saved. Forall of these steps of data transmissionmust onsizeImage files are accessed and these from a facility tootransferred to anotherbecome.
[0009] Gegenwärtige Bildverarbeitungstechnikenumfassen die Komprimierung von Bilddaten innerhalb der PACS-Umgebung,um die Speicheranforderungs- und Übertragungszeiten zu verringern.Ein Nachteil existierender Komprimierungstechniken ist die Speicherung,der Zugriff und die Übertragungvon großenDateien, selbst wenn ein Verwender das wiederhergestellte Bild mitallen verfügbarenDetails nicht sehen kann oder will. In der medizinischen Bildverarbeitungkönnenbeispielsweise extrem detaillierte Bilder erfaßt und gespeichert werden,währendein Röntgenologeoder Arzt, der die Bilder sehen möchte, keinen geeigneten Bildschirmzur Darstellung des Bildes in der Auflösung hat, in der es gespeichertist. Die Übertragungder gesamten Bilder zu einem entlegenen Betrachtungsort wird soeventuell nicht zu einem wirklichen Vorteil für relativ zeitaufwendige Operationenführenund kann das Lesen oder die anderweitige Verwendung der Bilder verlangsamen.Current image processing techniques include compressing image data within the PACS environment to reduce storage request and transfer times. There is a disadvantage render compression techniques is the storage, access and transfer of large files, even if a user cannot or does not want to see the restored image with all the details available. In medical image processing, for example, extremely detailed images can be acquired and stored, whereas an x-ray specialist or doctor who wants to see the images does not have a suitable screen for displaying the image in the resolution in which it is stored. Transferring all of the images to a remote location may not be a real benefit for relatively time-consuming operations and may slow down reading or other use of the images.
[0010] Komprimierungsschemata, die dyadischeWavelet-Transformation verwenden, sprechen einige dieser Bedenkenan. Komprimierungsschemata, die dyadische Wavelet-Transformationenverwenden, nutzen eingebettete Auflösungen innerhalb einer Grundstrukturmit mehreren Auflösungen,was hinsichtlich der Bildauflösungen,die gespeichert oder übertragenwerden, mehr Flexibilitäterlaubt. Da die dyadischen Wavelet-Transformationen unglücklicherweisein Faktoren von ein halb funktionieren, verringert sich die Bildauflösung für jede Dimensionnach jeder Iteration um die Hälfte,wenn sie uniform auf ein mehrdimensionales Datenobjekt wie ein Bildangewandt werden. Dies begrenzt die Anzahl der nützlichen Zerlegungen, die durchgeführt werdenkönnen,und bewirkt auch, daß dasLängenverhältnis, d.h. das Verhältniseiner transformierten Dimension zu einer anderen, wie etwa die Höhe/Breitefür jedesZerlegungsniveau konstant bleibt. Zusätzlich kann die Auflösung derDarstellungseinrichtung zwischen Zerlegungsniveaus in einer dyadischenGrundstruktur liegen, was zu einem dargestellten Bild führt, dasfür dieDarstellungseinrichtung nicht optimal ist, ebenso wie zu nicht optimaler Übertragungder Daten in einer Netzumgebung. Mit anderen Worten können mehroder weniger komprimierte Daten als optimal sind zu einem Darstellungsgerät gesandtwerden, das wiederum eventuell die Daten nicht mit der optimalenAuflösungder Darstellungseinrichtung darstellen kann. Diese Probleme treten allgemeinaufgrund der begrenzten Flexibilität auf, für welche eine dyadische Wavelet-Transformationhinsichtlich der verfügbarenZerlegungsniveaus führt.Compression schemes, the dyadicUsing wavelet transform speak some of these concernson. Compression schemes, the dyadic wavelet transformationsuse, use embedded resolutions within a basic structurewith multiple resolutions,what about the image resolutions,the saved or transmittedbecome more flexibleallowed. Unfortunately, since the dyadic wavelet transformswork in half factors, the image resolution for each dimension decreasesafter each iteration by half,when they are uniform on a multi-dimensional data object like an imagebe applied. This limits the number of useful decompositions that are performedcan,and also causes thatAspect ratio, d.H. The relationshipone transformed dimension to another, such as height / widthfor eachDecomposition level remains constant. In addition, the resolution of theRepresentation device between decomposition levels in a dyadicBasic structure lie, which leads to a depicted picture,for theDisplay device is not optimal, as well as not optimal transmissionthe data in a network environment. In other words, you can do moreor less compressed than optimal data is sent to a display devicethe data may not be the optimal oneresolutioncan represent the display device. These problems are commondue to the limited flexibility for which a dyadic wavelet transformregarding the availableDisassembly levels leads.
[0011] Deshalb ist eine verbesserte Bilddatenkomprimierungs-und Dekomprimierungstechnik nötig,die für eineschnelle Komprimierung und Dekomprimierung von Bilddateien führt unddie verbesserte Komprimierungsverhältnisse und Übertragungszeitenerreicht. Insbesondere ist eine Technik notwendig, die es erlaubt, komprimierteBilddateien zu schaffen und mit unterschiedlichen Auflösungen oderGrößen abhängig vonder Bandbreite und der erwünschtenoder verfügbarenAuflösungauf seiten eines Clients zu übertragen.Therefore, an improved image data compressionand decompression technology necessary,the onequick compression and decompression of image files leads andthe improved compression ratios and transmission timesreached. In particular, a technique is required that allows compressedTo create image files and with different resolutions orSizes depending onthe range and the desiredor availableresolutionon the client side.
[0012] Die vorliegende Technik schafft eineneue Lösungder Bildkomprimierung. Insbesondere werden nichtdyadische Wavelet-Transformationenverwendet, um die unterscheidbaren Zerlegungsniveaus zu vergrößern, wodurchdie Flexibilitätder Komprimierungstechniken vergrößert wird. Die nichtdyadischenWavelet-Transformationen könnenauf verschiedene Dimensionen der Daten, d. h. die Höhe, Breite,Tiefe, Zeit einschließlich differentiellerAnwendung, um nicht quadratische Komprimierungssätze anzupassen, angewandt werden.The present technique creates onenew solutionthe image compression. In particular, non-dyadic wavelet transformsused to increase the distinguishable levels of decomposition, therebythe flexibilitythe compression techniques is increased. The non-dyadicWavelet transformations canto different dimensions of the data, i.e. H. the height, width,Depth, time including differentialApplication to adjust non-quadratic compression sets.
[0013] Zusätzlich können nichtdyadische Wavelet-Transformationenaufeinanderfolgen, um dyadische oder nichtdyadische Auflösungen zuerzeugen, oder könnendifferentiell angewandt werden, so daß die Längenverhältnisse nach der Komprimierungverändertwerden können.In addition, non-dyadic wavelet transformations can be performedconsecutive to dyadic or non-dyadic resolutionsgenerate, or canbe applied differentially, so that the aspect ratios after compressionchangedcan be.
[0014] Erfindungsgemäß wird ein Verfahren zur Komprimierungeines Satzes von Datenpunkten geschaffen, Mehrere Datenpunkte werdenin eine oder mehrere Untergruppen kodiert. Einer oder mehrere ersteKoeffizienten werden fürjede Untergruppe berechnet. Jeder erste Koeffizient wird unter Verwendungvon zwei oder mehr Datenpunkten innerhalb der entsprechenden Untergruppeberechnet. Einer oder mehrere zweite Koeffzienten werden für jede Untergruppeberechnet. Jeder zweite Koeffizient wird unter Verwendung von zumindesteinem von einem oder mehreren ersten Koeffizienten und einem odermehreren Datenpunkten innerhalb der entsprechenden Untergruppe berechnet.Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahlder zweiten Koeffizienten.According to the invention, a method for compressionof a set of data points created, multiple data pointsencoded into one or more subgroups. One or more firstCoefficients are used forcalculated each subgroup. Every first coefficient is usedof two or more data points within the corresponding subgroupcalculated. One or more second coefficients are used for each subgroupcalculated. Every second coefficient is at least usingone of one or more first coefficients and one orcalculated several data points within the corresponding subgroup.The number of the first coefficients is not equal to the numberthe second coefficient.
[0015] Außerdem wird ein Codec zur Komprimierungund Dekomprimierung digitaler Daten geschaffen. Der Codec umfaßt einenKodierer, der eingerichtet ist, um mehrere Datenpunkte, die einedigitale Aufnahme enthalten in eine oder mehrere Untergruppe zugruppieren. Der Kodierer ist auch eingerichtet, um einen oder mehrereerste Koeffizienten fürjede Untergruppe zu berechnen. Jeder erste Koeffizient wird unterVerwendung von einem oder mehreren Datenpunkten innerhalb der entsprechendenUntergruppe berechnet. Der Kodierer ist auch eingerichtet, um einenoder mehrere zweite Koeffizienten für jede Untergruppe zu berechnen.Jeder zweite Koeffizient wird unter Verwendung von zumindest einemvon dem einen oder mehreren Koeffizienten und einem oder mehrerenDatenpunkten innerhalb der entsprechenden Untergruppe berechnet.Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahlder zweiten Koeffizienten. Der Codec umfaßt auch einen Dekodierer, dereingerichtet ist, um mehrere Datenpunkte aus den ersten Koeffizientenund den zweiten Koeffizienten wiederherzustellen.It also uses a codec for compressionand decompression of digital data. The codec includes oneEncoder that is set up to multiple data points, onedigital recording included in one or more subgroupsgroup. The encoder is also set up to one or morefirst coefficients forto calculate each subgroup. Every first coefficient is underUse of one or more data points within the correspondingSubgroup calculated. The encoder is also set up to oneto calculate one or more second coefficients for each sub-group.Every second coefficient is calculated using at least oneof the one or more coefficients and one or moreData points calculated within the corresponding subgroup.The number of the first coefficients is not equal to the numberthe second coefficient. The codec also includes a decoder thatis set up to multiple data points from the first coefficientand restore the second coefficient.
[0016] Ferner wird ein Bildverwaltungssystemgeschaffen. Das System umfaßteinen oder mehrere Daten-Server, die eingerichtet sind, um eineoder mehrere Dateien von zumindest einer von einer oder mehreren Eingabe/Ausgabeschnittstellen,einem oder mehreren Bildverarbeitungssystemen, einem oder mehrerenBildspeicherungssystemen und einem oder mehreren entfernten Clientszu empfangen und dahin zu übertragen. DasSystem umfaßtauch einen Codec, der eingerichtet ist, um die Dateien zu verarbeiten.Der Codec umfaßt einenKodierer, der eingerichtet ist, mehrere Datenpunkte, die eine digitaleAufnahme enthalten, in eine oder mehrere Untergruppen zu gruppieren.Der Kodierer ist auch eingerichtet, um einen oder mehrere ersteKoeffzienten fürjede Untergruppe zu berechnen. Jeder erste Koeffizient wird unterVerwendung von zwei oder mehreren Datenpunkten innerhalb der entsprechendenUntergruppe berechnet. Der Kodierer ist auch eingerichtet, um einenoder mehrere zweite Koeffizienten für jede Untergruppe zu berechnen.Jeder zweite Koeffizient wird unter Verwendung von zumindest einemvon einem oder mehreren ersten Koeffizienten und einem oder mehrerenDatenpunkten innerhalb der entsprechenden Untergruppe berechnet.Die Anzahl der ersten Koeffizienten ist nicht gleich der Anzahlder zweiten Koffizienten. Der Codec umfaßt auch einen Dekodierer, dereingerichtet ist, um mehrere Datenpunkte aus den ersten Koeffizientenund den zweiten Koeffizienten wiederherzustellen.An image management system is also created. The system includes one or more data servers configured to receive and send one or more files from at least one of one or more input / output interfaces, one or more image processing systems, one or more image storage systems, and one or more remote clients transfer. The system also includes a codec that is set up to process the files. The codec includes an encoder which is set up to group several data points containing a digital recording into one or more subgroups. The encoder is also set up to calculate one or more first coefficients for each subset. Each first coefficient is calculated using two or more data points within the corresponding subset. The encoder is also arranged to calculate one or more second coefficients for each sub-group. Every second coefficient is calculated using at least one of one or more first coefficients and one or more data points within the corresponding subset. The number of first coefficients is not the same as the number of second coefficients. The codec also includes a decoder configured to restore multiple data points from the first coefficients and the second coefficients.
[0017] Darüber hinaus wird ein greifbaresMittel zur Komprimierung eines Satzes von Datenpunkten geschaffen.Das greifbare Mittel umfaßteine Routine, um mehrere Datenpunkte in eine oder mehrere Untergruppen zugruppieren. Zusätzlichumfaßtdas greifbare Mittel eine Routine, um einen oder mehrere erste Koeffizienten für jede Untergruppezu berechnen, Jeder erste Koeffizient wird unter Verwendung vonzwei oder mehr Datenpunkten innerhalb der entsprechenden Untergruppeberechnet. Das greifbare Mittel umfaßt auch eine Routine, um eineoder zwei zweite Koeffizienten fürjede Untergruppe zu berechnen. Jeder zweite Koeffizient wird unter Verwendungvon zumindest einem von einem oder mehreren ersten Koeffizientenund einem oder mehreren Datenpunkten innerhalb der entsprechendenUntergruppe berechnet. Die Anzahl der ersten Koeffizienten ist nichtgleich der Anzahl der zweiten Koeffizienten.It also becomes a tangible oneMeans for compressing a set of data points are created.The tangible means includea routine to put multiple data points into one or more subgroupsgroup. additionallycomprisesthe tangible means a routine to get one or more first coefficients for each subsetTo compute, each first coefficient is calculated usingtwo or more data points within the corresponding subgroupcalculated. The tangible means also includes a routine to accomplish oneor two second coefficients forto calculate each subgroup. Every second coefficient is usedof at least one of one or more first coefficientsand one or more data points within the correspondingSubgroup calculated. The number of the first coefficients is notequal to the number of second coefficients.
[0018] Außerdem wird ein Verfahren zurKomprimierung eines Satzes von Datenpunkten geschaffen. Es wird aufeinen Satz von Datenpunkten zugegriffen. Eine nichtdyadische Wavelet-Transformation wirdauf den Satz von Datenpunkten angewandt, so daß ein erster Satz von transformiertenDaten und ein zweiter Satz von transformierten Daten entstehen.A method forCompression of a set of data points created. It's going onaccessed a set of data points. A non-dyadic wavelet transform willapplied to the set of data points so that a first set of transformedData and a second set of transformed data arise.
[0019] Überdieswird ein Codec zur Komprimierung und Dekomprimierung von digitalenDaten geschaffen. Der Codec umfaßt einen Kodierer, der eingerichtetist, um auf einen Satz von Datenpunkten zuzugreifen und eine nichtdyadischeWavelet-Transformationauf den Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformiertenDaten und ein zweiter Satz von transformierten Daten entstehen.Der Codec umfaßt aucheinen Dekodierer, der eingerichtet ist, um eine nichtdyadische Wavelet-Umkehrtransformationauf den ersten Satz von transformierten Daten und auf den zweitenSatz von transformierten Daten anzuwenden, so daß der Satz von Datenpunktenwiederhergestellt wird.moreoverbecomes a codec for compressing and decompressing digitalData created. The codec includes an encoder that is set upis to access a set of data points and a non-dyadicWavelet transformto apply to the set of data points so that a first set of transformedData and a second set of transformed data arise.The codec also includesa decoder configured to perform a non-dyadic wavelet inverse transformon the first set of transformed data and on the secondApply set of transformed data so that the set of data pointsis restored.
[0020] Ferner wird ein Bildverbreitungssystemgeschaffen. Das System umfaßteinen oder mehrere Daten-Server, die eingerichtet sind, um eineoder mehrere Dateien von zumindest einer oder mehreren Eingabe/Ausgabeschnittstellen,einem oder mehreren Bildverarbeitungssystemen, einem oder mehrerenBildspeicherungssystemen oder einem oder mehreren entfernten Clientszu empfangen und dahin zu senden. Das System weist auch einen Codecauf, der eingerichtet ist, um die Dateien zu verarbeiten. Der Codecumfaßt einenKodierer, der eingerichtet ist, um auf einen Satz von Datenpunktenzuzugreifen und um eine nichtdyadische Wavelet-Transformation aufden Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformiertenDaten und ein zweiter Satz von transformierten Daten entstehen.Der Codec umfaßtauch einen Dekodierer, der eingerichtet ist, um eine nichtdyadischeWavelet-Umkehrtransformation auf den ersten Satz transformierterDaten und den zweiten Satz transformierter Daten anzuwenden, sodaß derSatz von Datenpunkten wiederhergestellt wird.Furthermore, an image distribution systemcreated. The system includesone or more data servers that are set up to oneor more files from at least one or more input / output interfaces,one or more image processing systems, one or moreImage storage systems or one or more remote clientsto receive and send there. The system also has a codecthat is set up to process the files. The codecincludes oneEncoder that is set up to point to a set of data pointsto access and around a non-dyadic wavelet transformapply the set of data points so that a first set of transformedData and a second set of transformed data arise.The codec includesalso a decoder that is set up to be a non-dyadicReverse wavelet transform transformed to the first setApply data and the second set of transformed data, sothat theSet of data points is restored.
[0021] Des weiteren wird ein Bildverwaltungssystemgeschaffen. Das System umfaßteinen oder mehrere File-Server, die eingerichtet sind, um eine odermehrere Dateien von zumindest einer oder mehreren Eingabe/Ausgabeschnitstellen,einer oder mehreren Bildverarbeitungssystemen, einem oder mehrerenBildspeicherungssystemen oder einem oder mehreren entlegenen Clientszu empfangen und dahin zu senden. Das System umfaßt auchein Mittel, um eine oder mehrere nichtdyadische Transformationender Dateien durchzuführen.Furthermore, an image management systemcreated. The system includesone or more file servers that are set up to one ormultiple files from at least one or more input / output interfaces,one or more image processing systems, one or moreImage storage systems or one or more remote clientsto receive and send there. The system also includesa means of performing one or more non-dyadic transformationsthe files.
[0022] Ferner wird ein greifbares Mittelgeschaffen, um einen Satz von Datenpunkten zu komprimieren. Das greifbareMittel umfaßteine Routine, um auf einen Satz von Datenpunkten zuzugreifen. Dasgreifbare Mittel umfaßtauch eine Routine, um eine nichtdyadische Wavelet-Transformationauf den Satz von Datenpunkten anzuwenden, so daß ein erster Satz von transformiertenDaten und ein zweiter Satz von transformierten Daten entstehen.It will also become a tangible toolcreated to compress a set of data points. The tangibleMeans includeda routine to access a set of data points. Thetangible meansalso a routine to do a nonddyadic wavelet transformto apply to the set of data points so that a first set of transformedData and a second set of transformed data arise.
[0023] Überdieswird ein Verfahren zur Dekomprimierung eines Satzes von Datenpunktengeschaffen. Es wird auf einen ersten Satz von transformierten Datenpunktenund auf einen zweiten Satz von transformierten Datenpunkten zugegriffen.Es wird eine nichtdyadische Wavelet-Umkehrtransformation auf denersten Satz von transformierten Datenpunkten und den zweiten Satzvon transformierten Datenpunkten angewandt, so daß ein Satzvon nicht transformierten Datenpunkten entsteht.moreoveris a method of decompressing a set of data pointscreated. It is based on a first set of transformed data pointsand access a second set of transformed data points.A non-dyadic wavelet inverse transform on thefirst set of transformed data points and the second setof transformed data points so that a sentenceof non-transformed data points.
[0024] Die aufgeführten und weitere Vorteileund Merkmale der Erfindung werden durch Lesen der folgenden detailliertenBeschreibung unter Bezugnahme auf die beiliegenden Zeichnungen offenbarwerden. Es zeigen:The listed and other advantagesand features of the invention will be detailed by reading the followingDescription with reference to the accompanying drawingsbecome. Show it:
[0025] 1 eineschematische Darstellung eines beispielhaften Bildverwaltungssystems,dargestellt ist ein Beispiel eines Bildarchivierungs- und Kommunikationssystemsoder PACS zum Empfangen und Speichern von Bilddaten; 1 is a schematic representation of an exemplary image management system Example of an image archiving and communication system or PACS for receiving and storing image data;
[0026] 2 eineschematische Darstellung der Inhalte von Datenbanken zur Bezeichnungvon gespeicherten Bilddaten in Dateien, die verschiedene Bilddatensätze, komprimierteDaten und beschreibende Information enthalten; 2 is a schematic representation of the contents of databases for designating stored image data in files containing various image data sets, compressed data and descriptive information;
[0027] 3 eineDarstellung eines typischen Bilds von dem Typ, der von dem Systemaus 1 empfangen, komprimiertund gespeichert wird; 3 a representation of a typical image of the type taken from the system 1 received, compressed and stored;
[0028] 4 einZustandsdiagramm eines Untersatzes von Daten, auf den eine allgemeinenichtdyadische Transformation angewandt wird; 4 a state diagram of a subset of data to which a general non-dyad transformation is applied;
[0029] 5 einZustandsdiagramme einer allgemeinen nichtdyadischen Transformation; 5 a state diagram of a general non-dyadic transformation;
[0030] 6 einZustandsdiagramm des sich aus der Transformation aus 4 ergebenden Datensatzes, aufden eine weitere allgemeine nichtdyadische Transformation angewandtwird; 6 a state diagram of the result of the transformation 4 resulting record to which another general non-dyad transformation is applied;
[0031] 7 eineDarstellung der Frequenzunterbänder,die durch eine nichtdyadische Transformation mit mehreren Zerlegungsniveauserzeugt werden; 7 a representation of the frequency subbands generated by a non-dyadic transformation with multiple levels of decomposition;
[0032] 8 einZustandsdiagramme einer allgemeinen nichtdyadischen Umkehrtransformation,die der allgemeinen nichtdyadischen Transformation aus 5 entspricht; 8th a state diagram of a general non-dyadic inverse transformation, that of the general non-dyadic transformation 5 corresponds;
[0033] 9 eineschematische Darstellung eines beispielhaften Codec, der eingerichtetist, um eine nichtdyadische Wavelet-Transformation auszuführen; 9 a schematic representation of an exemplary codec, which is set up to perform a non-dyadic wavelet transformation;
[0034] 10 einZustandsdiagramm eines Untersatzes von Daten, auf die eine speziellenichtdyadische Transformation angewandt wird; 10 a state diagram of a subset of data to which a special non-dyad transformation is applied;
[0035] 11 einZustandsdiagramm einer speziellen nichtdyadischen Umkehrtransformation,die der speziellen nichtdyadischen Transformation aus 10 entspricht; 11 a state diagram of a special non-dyadic inverse transformation, that of the special non-dyadic transformation 10 corresponds;
[0036] 12 einZustandsdiagramm eines Untersatzes von Daten, auf den eine alternativespezielle nichtdyadische Transformation angewandt wird; und 12 a state diagram of a subset of data to which an alternative special non-dyad transformation is applied; and
[0037] 13 einZustandsdiagramm einer speziellen nichtdyadischen Umkehrtransformation,die der speziellen nichtdyadischen Transformation aus 12 entspricht. 13 a state diagram of a special non-dyadic inverse transformation, that of the special non-dyadic transformation 12 equivalent.
[0038] Die im folgenden erörtertenTechniken beziehen sich auf Datenkodierungssysteme im allgemeinen undinsbesondere auf Systeme, in welchen Daten, die aus Sätzen vonDatenpunkten bestehen, zu Speicherung, Übertragung oder Darstellungkodiert oder komprimiert werden. Daten, die auf eine solche Artverarbeitet werden können,umfassen digitale Bilder, digitale Videos und Volumdaten. Beispielesolcher Daten sind digital erfaßteBilder oder Videos einschließlichderer, die zur Sicherheitsüberwachunggehören,d.h. Gepäcküberwachungund Geometrie, medizinische Bildverarbeitung, nichtdestruktive Werkstoffuntersuchungen,metereologische Datensammlung und digitale Fotos und Filme. Zusätzlich sindanaloge Bilder oder Videos, die in ein digitales Format umgewandeltwurden, wie beispielsweise durch Abtasten oder einen anderen Umwandlungsmechanismus,auch Beispiele solcher Daten. Obwohl diese vielfältigen verschiedenen Typendigitaler Daten fürdie im folgenden beschriebenen Techni ken geeignet sind, wird diefolgende Erörterungim Zusammenhang mit medizinischer Bildverarbeitung dargestellt.Dies soll jedoch so verstanden werden, daß auf medizinischer Bilderund medizinische Bildverarbeitungssysteme nur zur Veranschaulichungder allgemeinen erörterten TechnikenBezug genommen wird und dies nicht den Umfang einschränkt.The ones discussed belowTechniques relate to data encoding systems in general andespecially on systems in which data that consists of sets ofData points exist for storage, transmission or displaybe encoded or compressed. Data generated in this waycan be processedinclude digital pictures, digital videos and volume data. Examplessuch data is digitally recordedPictures or videos includingthose for security monitoringbelong,i.e. Luggage monitoringand geometry, medical image processing, non-destructive material testing,Metereological data collection and digital photos and films. In addition areanalog pictures or videos converted to a digital formatsuch as by scanning or some other conversion mechanismalso examples of such data. Although these are diverse different typesdigital data forthe techniques described below are suitable, thefollowing discussionshown in connection with medical image processing.However, this should be understood to mean that on medical imagesand medical imaging systems for illustration onlyof the general techniques discussedReference is made and this does not limit the scope.
[0039] 1 veranschaulichtbeispielsweise ein beispielhaftes Bilddatenverwaltungssystem inForme eines Bildarchivs und Kommunikationssystems oder PACS 10 zumEmpfangen, Komprimieren und Dekomprimieren von Bilddaten. In derveranschaulichten Ausführungsformempfangt das PACS 10 Bilddaten von mehreren getrenntenBildverarbeitungssystemen, die mit den Bezugsezeichen 12, 14 und 16 bezeichnetsind. Wie Fachleute wissen werden, können die Bildverarbeitungssystemeeinen vielfältigenTyp oder Methoden haben wie Magnetresonanz-Bilderverarbeitungs(MRI)-Systeme, Computertomographie(CT)-Systeme, Positronenemissionstomographie(PET)-Systeme,Röntgenfluoroskopie(RF), Computerröntgen(CR), Ultraschallsysteme und so weiter. Außerdem können die Systeme Verarbeitungseinheitenoder Digitalisierungseinheiten wie beispielsweise Ausrüstung einschließen, diedazu dient, digitale Bilddaten auf Grundlage existierender Filmeoder Bildern auf Blätternzu schaffen. Es soll auch angemerkt werden, daß die Systeme die Bilddatenzu dem PACS zuführen,sich innerhalb des PACS befinden können wie etwa in der gleichenInstitution oder Einrichtung oder von dem PACS weit entlegen seinkönnenwie etwa eine außerhalbgelegene Klinik oder angeschlossene Institution. Im letzteren Fallkönnendie Bilddaten übereine geeignete Netzverbindung einschließlich offener Netze, privaterNetze, virtueller privater Netze und so weiter übertragen werden. 1 illustrates, for example, an exemplary image data management system in the form of an image archive and communication system or PACS 10 for receiving, compressing and decompressing image data. In the illustrated embodiment, the PACS receives 10 Image data from several separate image processing systems that are identified by reference numerals 12 . 14 and 16 are designated. As those skilled in the art will know, image processing systems can be of a variety of types or methods, such as magnetic resonance imaging (MRI) systems, computed tomography (CT) systems, positron emission tomography (PET) systems, x-ray fluoroscopy (RF), computer x-ray (CR), ultrasound systems and so on. In addition, the systems may include processing units or digitizing units, such as equipment, that are used to create digital image data based on existing films or images on sheets. It should also be noted that the systems supply the image data to the PACS, may be located within the PACS, such as in the same institution or facility, or may be remote from the PACS, such as an outside clinic or affiliated institution. In the latter case, the image data can be transmitted via a suitable network connection including open networks, private networks, virtual private networks and so on.
[0040] Das PACS 10 umfaßt einenoder mehrere Datei-Server 18, die dafür ausgelegt sind, Bilddatenzu empfangen und zu verarbeiten und die Bilddaten für die Dekomprimierungund Durch sicht zugänglichzu machen. Der Server 18 empfängt die Bilddaten über eineEingabe/Ausgabeschnittstelle 19. Die Bilddaten können in Routinenkomprimiert werden, auf die übereine Komprimierungs/Dekomprimierungsschnittstelle 20 zugegriffenwird. Wie im folgenden genauer beschrieben dient die Schnittstelle 20 dazu,die ankommenden Bilddaten schnell und optimal zu komprimieren, während derServer 18 und andere Komponenten des PACS weiterhin aufbeschreibende Bilddaten Bezug nehmen können. Falls erwünscht kanndie Schnittstelle auch dazu dienen, die Bilddaten, auf welche über denServer zugegriffen wird, zu dekomprimieren. Die Komprimierung derDaten bei der Schnittstelle 20 erlaubt es, mehr Daten indem System 10 zu speichern, oder erlaubt es, die Daten schnellerund wirkungsvoller zu Anlagen des Netzes zu übertragen, die auch dafür ausgelegtsein können,die komprimierten Daten zu dekomprimieren.The PACS 10 includes one or more file servers 18 , which are designed to receive and process image data and to make the image data accessible for decompression and review. The server 18 receives the image data via an input / output interface 19 , The image data can be compressed in routines on top of it via a compression / decompression interface 20 is accessed. As described in more detail below, the interface serves 20 to compress the incoming image data quickly and optimally while the server 18 and other components of the PACS can still refer to descriptive image data. If desired, the interface can also be used decompress the image data that is accessed via the server. The compression of the data at the interface 20 allows more data in the system 10 store, or allows the data to be transferred faster and more effectively to systems in the network, which can also be designed to decompress the compressed data.
[0041] Der Server ist auch mit internenClients, wie mit den Bezugszeichen 22 bezeichnet, gekoppelt,wobei jeder Client typischerweise eine Workstation umfaßt, beider ein Röntgenologe,Arzt oder Pfleger auf die Bilddaten von einem Server zugreifen,die Bilddaten dekomprimieren und die Bilddaten je nach Wunsch ansehen oderausgeben kann. ÜberClients 22 könnenauch Daten eingeben werden, wie etwa ein Diktat eines Radiologen,das sich an die Durchsicht der Untersuchungssequenzen anschließt. Ähnlich kannder Server 18 mit einer oder mehreren Schnittstellen wieeiner Druckerschnittstelle 24 gekoppelt sein, die dazudienen, auf Bilddaten zuzugreifen und diese zu dekomprimieren oderBilder auf Blättern über einenDrucker 26 oder anderes Zusatzgerät auszugeben.The server is also with internal clients, like with the reference numerals 22 referred to, coupled, each client typically includes a workstation at which an x-ray specialist, doctor or nurse can access the image data from a server, decompress the image data and view or output the image data as desired. About clients 22 data can also be entered, such as a dictation by a radiologist, which is followed by reviewing the examination sequences. The server can do the same 18 with one or more interfaces such as a printer interface 24 be coupled, which serve to access and decompress image data or images on sheets via a printer 26 or other additional device.
[0042] Der Server 28 kann Bilddatenoder andere Arbeitsablaufsinformation innerhalb des PACS einem oder mehrerenDatei-Servern 18 zuordnen.In der gegenwärtigbetrachteten Ausführungsformkann der Datenbank-Server 28 querverweisende Information,die besondere Bildsequenzenverweise, ärztliche Diagnoseinformation,Patienteninformation, Hintergrundinformation, Querverweise für Arbeitslistenund so weiter umfassen. Die Information in dem Daten-Server 28 dientdazu, die Speicherung und Zuordnung der Bilddateien zueinander zuerleichtern und es auf Anforderung Clients schnell und genau denZugriff auf Bilddateien, die innerhalb des Systems gespeichert sind,zu ermöglichen. Ähnlich istServer 18 mit einem oder mehreren Archiven 30 wieeinem optischen Speichersystem gekoppelt, welches als Lager großer Mengenvon Bilddaten zur Sicherung und Archivierung dient. Techniken zum Übertragenvon Bilddaten zwischen Server 18 und irgendeinem Speicher,der zu dem Server 18 gehört und ein kurzfristiges Speichersystembildet, und dem Archiv 30 können ein geeignetes Datenverwaltungsschemabefolgen, wie etwa die Archivierung von Bilddaten, die der Durchsichtund dem Diktat eines Röntgenologenfolgt, oder nachdem eine ausreichende Zeit nach dem Empfang undder Durchsicht der Bilddateien verstrichen ist.The server 28 may contain image data or other workflow information within the PACS of one or more file servers 18 assign. In the currently considered embodiment, the database server 28 cross-referencing information that includes special image sequence references, medical diagnostic information, patient information, background information, cross-references for work lists and so on. The information in the data server 28 serves to facilitate the storage and assignment of the image files to each other and to enable clients to access image files that are stored within the system quickly and accurately on request. Server is similar 18 with one or more archives 30 like an optical storage system, which serves as a storage of large amounts of image data for backup and archiving. Techniques for transferring image data between servers 18 and some memory that goes to the server 18 heard and forms a short-term storage system, and the archive 30 may follow an appropriate data management scheme, such as archiving image data following review and dictation by an x-ray specialist, or after a sufficient time has elapsed after receiving and reviewing the image files.
[0043] In der veranschaulichten Ausführungsformkönnenandere Komponenten des PACS-Systems oder der Institution in diebereits genannten Komponenten integriert sein, um die Systemfunktionalität weiterzu erhöhen.Wie beispielsweise in 1 veranschaulicht,ist eine Komprimierungs/Dekomprimierungsbibliothek 32 miteiner Schnittstelle 20 gekoppelt und dient zur Speicherungder Komprimierungsroutinen, der Algorithmen, der Nachschlagetabellenund so weiter fürden Zugriff durch die Schnittstelle 20 (oder andere Systemkomponenten)auf die Durchführungvon Komprimierungs- und Dekomprimierungsroutinen hin (d.h. um verschiedene Routinen,Softwareversionen, Codetabellen und so weiter zu speichern). Inder Praxis kann die Schnittstelle 20 Teil der Bibliothek 32 sein.Die Bibilothek 32 kann auch mit anderen Komponenten desSystems wie den Clients 22 oder der Drukkerschnittstelle 24 gekoppeltsein, die auch dazu dienen können,Daten zu komprimieren oder dekomprimieren, um ähnlich als Bibliothek oderSpeicher fürdie Komprimierungs- undDekomprimierungsroutinen und Algorithmen zu dienen. Obwohl die Bibliothek 32 alsgetrennte Komponenten in 1 veranschaulichtist, sollte dies so verstanden werden, daß die Bibliothek 32 ineinem geeigneten Server oder Speichereinrichtung einschließlich desServers 18 eingeschlossen sein kann. Außerdem kann der Code, der dieim folgenden beschriebenen Komprimierungs- und Dekomprimierungsprozessedefiniert, direkt in die Schnittstelle 20 und/oder Bibliothek 32 geladenwerden oder kann überNetzverbindungen einschließlicheines Fernnetz, offenen Netzes und so weiter geladen oder aktualisiertwerden.In the illustrated embodiment, other components of the PACS system or the institution can be integrated into the components already mentioned in order to further increase the system functionality. Like for example in 1 is a compression / decompression library 32 with an interface 20 coupled and is used to store the compression routines, the algorithms, the look-up tables and so on for access through the interface 20 (or other system components) upon performing compression and decompression routines (ie, to store various routines, software versions, code tables, and so on). In practice, the interface 20 Part of the library 32 his. The library 32 can also work with other system components such as clients 22 or the printer interface 24 coupled, which may also serve to compress or decompress data to similarly serve as a library or memory for the compression and decompression routines and algorithms. Although the library 32 as separate components in 1 is illustrated, this should be understood as the library 32 in a suitable server or storage device including the server 18 can be included. In addition, the code that defines the compression and decompression processes described below can go directly into the interface 20 and / or library 32 can be loaded or can be loaded or updated via network connections including a wide area network, open network and so on.
[0044] Zusätzliche Systeme können mitdem PACS wie etwa direkt mit dem Server 28 oder über Schnittstellenwie Schnittstelle 19 verbunden sein. In der Ausführungsform,die in 1 veranschaulichtist, ist ein Röntgenabteilungsinformationssystemoder RIS 34 mit dem Server 18 verbunden, um denDatenaustausch zu erleichtern, typischerweise Querverweisdaten innerhalbdes Datenbank-Servers 28 und einem Zentral- oder Abteilungsinformationssystemoder einer Datenbank. Ähnlichkann ein Krankenhausinformationssystem oder HIS 36 mitdem Server 28 gekoppelt sein, um ähnlich Datenbankinformation,Arbeitsablaufinformation und so weiter auszutauschen. Falls erwünscht können solcheSysteme eine Schnittstelle überDatenaustauschsoftware haben oder können teilweise oder vollständig indas PACS-System integriert sein, um für einen Zugriff auf die Datenzwischen der PACS-Datenbank und der Röntgenabteilungs- oder den Krankenhausdatenbanken zusorgen oder eine einzige Querverweisdatenbank zu schaffen. Ähnlich können externeClients, wie mit den Bezugszeichen 38 bezeichnet, eineSchnittstelle mit dem PACS haben, so daß Bilder an entlegenen Ortengesehen werden können.Solche externen Clients könnenDekomprimierungssoftware verwenden oder können Bilddateien empfangen,die von der Schnittstelle 20 bereits komprimiert wurden.Wiederum könnenVerbindungen zu solchen externen Clients über irgendeine geeignete Verbindungwie Fernnetze, virtuelle private Netze und so weiter hergestelltwerden.Additional systems can be used with the PACS such as directly with the server 28 or via interfaces such as interface 19 be connected. In the embodiment that in 1 is an x-ray department information system or RIS 34 with the server 18 connected to facilitate data exchange, typically cross-reference data within the database server 28 and a central or departmental information system or database. Similarly, a hospital information system or HIS 36 with the server 28 be coupled to similarly exchange database information, workflow information and so on. If desired, such systems can interface with data exchange software or can be partially or fully integrated into the PACS system to provide access to the data between the PACS database and the x-ray department or hospital databases or to create a single cross-reference database , External clients can similarly, as with the reference numerals 38 have an interface with the PACS so that images can be seen in remote locations. Such external clients can use decompression software or can receive image files from the interface 20 have already been compressed. Again, connections to such external clients can be made via any suitable connection such as wide area networks, virtual private networks and so on.
[0045] 2 veranschaulichtgenauer den Typ der Querverweisdaten, auf welche die Clients 20, 22, 24, 30 über denDatenserver 28 Zugang haben. Die Datenbankeinträge, dieallgemein durch das Bezugszeichen 40 in 2 bezeichnet sind, werden QuerverweisinformationeinschließlichPatientendaten 42, Bezügezu besonderen Studien und Untersuchungen 43, Bezüge zu besonderendurchgeführtenVerfahren 44, Bezügeauf die abgebildete Anatomie 45 und weitere Bezüge auf besondereBildfolgen 46 im Rahmen der Untersuchung umfassen. Fachleutewerden es außerdemzu schätzenwissen, daß dieQuerverweisinformation weitere Information umfassen kann, welchedie Zeit und das Datum der Untersuchung, den Namen des diagnostizierenden, konsultierendenund andere Ärzte,das Krankenhaus oder die Abteilung, wo die Bilder gemacht wurdenund so weiter umfaßt.Die Datenbank wird auch Adreßinformationaufweisen, die bestimmte Bilder, Datenbanknamen und Bereiche derBilder, wie mit dem Bezugszeichen 38 bezeichnet, identifiziert.Falls das PACS verschiedenen zugehörige Speichereinrichtungenoder kurzfristige Speichersysteme umfaßt, kann auf diese Ort innerhalbder Datenbank querverwiesen werden und sie können im Grunde von dem Endnutzerversteckt werden, wobei auf die Bilddateien einfach durch das Systemzugegriffen werden kann, um sie von dem bestimmten Speicherort aufGrundlage der Querverweisinformation in der Datenbank anzuschauen. 2 illustrates in more detail the type of cross-reference data to which the clients 20 . 22 . 24 . 30 via the data server 28 Have access. The database entries, generally identified by the reference symbol 40 in 2 are cross-reference information including patient data 42 , References to special studies and investigations 43 , References to special procedures carried out 44 , References to the shown anatomy 45 and further references to special picture sequences 46 include within the scope of the investigation. Those skilled in the art will also appreciate that the cross-reference information may include other information, such as the time and date of the exam, the name of the diagnosing, consulting, and other doctors, the hospital or department where the images were taken, and so on , The database will also have address information including certain images, database names and areas of the images, such as with the reference number 38 designated, identified. If the PACS includes various associated storage devices or short term storage systems, this location can be cross-referenced within the database and basically hidden by the end user, with the image files easily accessible by the system to be retrieved from the particular location Look at the basis of the cross-reference information in the database.
[0046] Wie im folgenden genauer mit Bezugnahmeauf bestimmte Aspekte der vorliegenden Technik beschrieben, wirdbeschreibende Information zur Identifizierung bevorzugter oder optimalerKomprimierungsroutinen verwendet, die zur Komprimierung von Bilddatenverwendet werden. Solch be schreibende Information ist typischerweisein Vorspannabschnitten einer Bilddatenfolge wie auch im folgendenbeschrieben enthalten. Die auf dem Datenserver 28 zugänglicheInformation kann aber auch als die Grundlage bestimmter ausgewählter Algorithmendienen, die fürdie Komprimierungstechnik verwendet werden. Insbesondere können Datenbankbezüge benutztwerden, um beschreibende Information wie das Verfahren, das für eine Bildsequenz verwendetwurde, bestimmte Anatomien oder anderen Merkmalen, die in wiederhergestelltenBildern auf Grundlage der Daten und so weiter sichtbar sind, zuidentifizieren. Solche Information kann auch auf dem RIS 34 unddem HIS 36 vorhanden sein.As described in more detail below with reference to certain aspects of the present technique, descriptive information is used to identify preferred or optimal compression routines that are used to compress image data. Such descriptive information is typically included in header portions of an image data string, as described below. The one on the data server 28 Accessible information can also serve as the basis for certain selected algorithms that are used for the compression technique. In particular, database references can be used to identify descriptive information, such as the method used for an image sequence, certain anatomies, or other features that are visible in restored images based on the data and so on. Such information can also be found on the RIS 34 and the HIS 36 to be available.
[0047] 2 veranschaulichtauch eine beispielhafte Bilddatei, auf die durch Datenbankeinträge querverwiesenwird. Wie in 2 gezeigt,umfaßtdie Bilddatei 50 mehrere Bilddatensätze 52, 54 und 56.Für einetypische Bilddatei kann eine große Anzahl von solchen Bilddatensätzen durcheinen kontinuierlichen Datenstrom definiert werden. Jeder Datensatzkann gemäß einembesonderen Komprimierungs-algorithmus einschließlich der im folgenden beschriebenenKomprimierungsalgorithmen komprimiert sein. 2 also illustrates an exemplary image file that is cross-referenced by database entries. As in 2 shown includes the image file 50 several image data sets 52 . 54 and 56 , For a typical image file, a large number of such image data sets can be defined by a continuous data stream. Each data record can be compressed according to a special compression algorithm, including the compression algorithms described below.
[0048] Fürjeden Bilddatensatz ist ein beschreibender Vorspann 58 zusammenmit dem Komprimierungsvorspann 60 vorgesehen. Auf die Vorspänne 58 und 60 folgenkomprimierte Bilddaten 62. Der beschreibende Vorspann 58 einesjeden Datensatzes umfaßtvorzugsweise beschreibende Information, die erkennbar ist, oder einemIndustriestandard unterliegt, wie DICOM-konforme beschreibende Daten. Fachleutewerden es zu schätzenwissen, daß solchebeschreibende Information typischerweise eine Identifizierung desPatienten, des Bilds, des Datums der Studie oder Sequenz, Methodedes Systems, mit dem die Bilddaten erzeugt wurden, sowie zusätzlicheInformation betreffs bestimmter Anatomien oder Merkmale, die aufden wiederhergestellten Bildern sichtbar sind, umfaßt. Wie imfolgenden genauer beschrieben, werden solche beschreibenden Vorspanndatenvorzugsweise in Techniken zur Identifizierung optimaler Komprimierungsalgorithmenoder Routinen verwendet, die zur Komprimierung von Daten innerhalbdes Abschnitts 62 fürkomprimierte Bilddaten verwendet werden. Daten, die sich auf denbestimmten Algorithmus oder Routine beziehen, die zur Komprimierungder Bilddaten verwendet werden, werden dann innerhalb des Komprimierungsvorspanns 60 zurspäteren Bezugnahmebei der Dekomprimierung der Bilddaten gespeichert. Wie unten beschrieben,werden zusätzliche Dateninnerhalb der komprimierten Bilddaten gespeichert, die auf die Algorithmenquerverweisen, die in den Komprimierungsvorspann 60 zurVerwendung bei der Dekomprimierung der Bilddaten identifiziert werden.Insbesondere umfaßtin einer vorliegenden bevorzugten Ausführungsform der Komprimierungsvorspann 60 die Identifikationsder Längevon Unterbereichen der komprimerten Bilddaten wie auch Verweiseauf bestimmte optimale Algorithmen in Form von Komprimierungskodetabellen,die verwendet werden, um die Unterbereiche optimal zu komprimieren.There is a descriptive header for each image data set 58 along with the compression header 60 intended. On the leader 58 and 60 compressed image data follow 62 , The descriptive opening credits 58 Each record preferably includes descriptive information that is recognizable or subject to an industry standard, such as DICOM compliant descriptive data. Those skilled in the art will appreciate that such descriptive information typically identifies the patient, the image, the date of the study or sequence, the method of the system with which the image data was generated, and additional information regarding certain anatomies or features related to the patient recovered images are visible. As described in more detail below, such descriptive header data is preferably used in techniques for identifying optimal compression algorithms or routines used to compress data within the section 62 be used for compressed image data. Data related to the particular algorithm or routine used to compress the image data will then be within the compression header 60 saved for later reference when decompressing the image data. As described below, additional data is stored within the compressed image data that cross-references the algorithms that are in the compression header 60 for use in decompressing the image data. In particular, in a presently preferred embodiment, the compression header comprises 60 the identification of the length of sub-areas of the compressed image data as well as references to certain optimal algorithms in the form of compression code tables which are used to optimally compress the sub-areas.
[0049] 3 veranschaulichtein Datenbeispiel, das hier als ein digitales Bild veranschaulichtist, das in Paketen von digitalisierten Daten kodiert ist, die ineinem kontinuierlichen Datenstrom angeordnet sind, der gemäß der vorliegendenTechniken komprimiert und dekomprimiert werden kann. Das Bild, dasallgemein mit dem Bezugszeichen 100 bezeichnet ist, kanninteressante Merkmale 102 wie etwa bestimmte anatomische Merkmaleaufweisen. In der medizinischen Diagnose können solche Merkmale bestimmteAnatomien oder Bereiche eines Patienten umfassen, die mit Hilfeder Physik der Bilderfassungsmethode sichtbar sind, wie etwas weichesGewebe auf MRI-Systembildern, Knochen auf Röntgenbildern und so weiter.Jedes Bild umfaßteine Matrix mit einer Weite 104 und einer Höhe 106,die von der Anzahl und Verteilung individueller Pixel 108 definiertwird. Die Pixel der Bildma trix sind in Zeilen 110 und Spalten 112 angeordnetund werden sich verändernde Merkmalehaben, die, wenn sie auf dem wiederhergestellten Bild gesehen werden,die untersuchten Merkmale definieren. Für eine typische medizinischeDiagnose werden diese Merkmale Graustufen oder Farbe umfassen. Ineinem digitalisierten Datenstrom wird jeder Pixel von einem Binärcode dargestellt,wobei der Binärcode aneinen beschreibenden Vorspann angehängt ist, um bei der Identifizierungdes Bildes und zugehörigenweiteren Bildern einer Studie zu helfen. Wie bereits bemerkt, kannsolche beschreibende Information industrielle Standardinformationwie etwa DICOM-konforme Daten umfassen. 3 Figure 3 illustrates a data example, illustrated here as a digital image encoded in packets of digitized data arranged in a continuous data stream that can be compressed and decompressed according to the present techniques. The image that is generally referenced 100 is labeled may have interesting features 102 such as having certain anatomical features. In medical diagnosis, such features may include certain anatomies or areas of a patient that are visible using the physics of the imaging method, such as some soft tissue on MRI system images, bones on X-ray images, and so on. Each picture contains a matrix with a width 104 and a height 106 that depend on the number and distribution of individual pixels 108 is defined. The pixels of the image matrix are in rows 110 and columns 112 arranged and will have changing features that, when seen on the restored image, define the features examined. For a typical medical diagnosis, these features will include grayscale or color. In a digitized data stream, each pixel is represented by a binary code, the binary code being appended to a descriptive leader to help identify the image and associated other images from a study. As previously noted, such descriptive information may include standard industrial information such as DICOM compliant data.
[0050] Eine Komponente eines Komprimierungsschemas,das in Bildkodierungssystemen des Typs verwendet wird, der verwendetwerden kann, um das Bild 100 zu komprimieren und dekomprimieren,ist dyadische Wavelet-Transformation (WT). Insbesondere weisen dyadischeWavelet-Tranformationen viele wünschenswerteEigenschaften auf wie hohe Komprimierungsverhältnisse, die erreicht werdenkönnen,weil WT das Bild in Unterbänderunterschiedlicher Frequenzen dekorreliert. Dyadische WT schafftauch eine Grundstruktur mit vielen Auflösungen zur Darstellung derBilder mit unterschiedlichen Näherungsniveausund ermöglichtentweder „verlustreiche" oder „verlustlose", d.h. unperfekteoder perfekte Wiederherstellung, abhängig von der Umsetzung. Für dyadischeWT ist es möglich,eine Näherungdes Bildes mit dyadischen Auflösungen,d.h. in Faktoren von ein halb aus dem Bitstrom wiederherzustellen,eine Eigenschaft, die als eingebettete Auflösung bekannt ist. Aufgrunddieser verschiedenen Eigenschaften erwies sich die dyadische WTsowohl in Industrie als auch in Forschung als populäre Komponentevon Komprimierungsstandards.A component of a compression scheme that is used in image coding systems of the type det, which can be used to frame the image 100 compressing and decompressing is dyadic wavelet transform (WT). In particular, dyadic wavelet transformations have many desirable properties, such as high compression ratios, that can be achieved because WT decorrelates the image in subbands of different frequencies. Dyadic WT also creates a basic structure with many resolutions for displaying the images with different approximation levels and enables either "lossy" or "lossless", ie imperfect or perfect recovery, depending on the implementation. For dyadic WT, it is possible to restore an approximation of the image with dyadic resolutions, ie in factors of one-half, from the bit stream, a property known as embedded resolution. Because of these different properties, dyadic WT has proven to be a popular component of compression standards in both industry and research.
[0051] Beispielsweise wird dyadische WTweitgehend auf verschiedenen Gebieten der medizinischen Bildverarbeitungteilweise aufgrund der Möglichkeitder perfekten Wiederherstellung, die Information über winzige oderfeine untersuchte Merkmale 102 bewahrt, verwendet. Zusätzlich ermöglicht diedyadische WT eine akzeptable Komprimierung medizinischer Bilddateien,die ansonsten ziemlich groß sind,eine Bittiefe zwischen 8 und 16 haben und typischerweise im Bereich256 × 256bis 2000 × 2000Pixel sind, wobei einige Bildverarbeitungsmethoden Bilder mit biszu 25.000 × 25.0000Pixel erzeugen, Außerdemkönnenviele medizinische Bildverarbeitungsmethoden wie Computertomographiebis zu 1000 Bilder oder „Scheiben" in einer Bildverarbeitungssequenzerhalten. Diese riesige Anzahl von erzeugten Bildern zusammen mitden großenDateigrößen einesjeden Bilds beweist die Notwendigkeit guter Komprimierung mit Merkmalenwie eingebetteter Auflösung, wiesie durch dyadische WT geschaffen wird, Da dyadische WT es erlaubt,die Bilder mit unterschiedlichen Auflösungen wiederherzustellen,wird zusätzlichdie Wartezeit im Dekodierer verringert, was es dem Endnutzer erlaubt,das Bild zu begutachten, ohne die Dekodierung des gesamten Bitstromsabzuwarten.For example, Dyadic WT is used extensively in various areas of medical imaging, partly due to the ability to perfectly restore the information about tiny or fine features 102 preserved, used. In addition, the dyadic WT enables acceptable compression of medical image files that are otherwise fairly large, have a bit depth between 8 and 16 and are typically in the range 256 × 256 to 2000 × 2000 pixels, with some image processing methods producing images up to 25,000 × 25,000 pixels In addition, many medical imaging methods such as computed tomography can receive up to 1000 images or "slices" in an image processing sequence. This huge number of images, along with the large file size of each image, demonstrates the need for good compression with features such as embedded resolution, such as those provided by dyadic WT is created, since dyadic WT allows the images to be restored with different resolutions, the waiting time in the decoder is additionally reduced, which allows the end user to examine the image without waiting for the decoding of the entire bit stream.
[0052] Dyadische WT unterliegt jedoch bestimmtenEinschränkungen.Insbesondere ist dyadische WT auf die Anzahl der unterschiedlichenAuflösungenbeschränkt,die aufgrund der dyadischen Natur der Wavelet-Transformation vorhandensind. Dyadische WT ermöglichtAuflösungen,die dyadische Faktoren sind, d. h. jede transformierte Dimensionwird um ein halb verringert. Die Anzahl der vorgesehenen Auflösungen istgleich der Anzahl der Zerlegungsniveaus (L), so daß es möglich ist,ein komprimiertes zweidimensionales Bild mit Auflösungen von1 (die ursprünglicheAuflösung), ½, ¼, 1/8,1/16..., (1/2)^L wiederherzustellen. Für den Falleines Bilds mit 512 × 512Pixeln ist es beispielsweise möglich,daß ursprünglicheBild mit 256 × 256,128 × 128,64 × 64und so weiter näherungsweiseaus dem gleichen komprimierten Datenstrom darzustellen, d. h. dieeingebetteten Auflösungen.Dyadic WT has certain limitations. In particular, dyadic WT is limited to the number of different resolutions that are present due to the dyadic nature of the wavelet transform. Dyadic WT enables resolutions that are dyadic factors, ie each transformed dimension is reduced by half. The number of resolutions provided is equal to the number of decomposition levels (L), so that it is possible to produce a compressed two-dimensional image with resolutions of 1 (the original resolution), ½, ¼, 1/8, 1/16 ..., (1/2) ^{L to} restore. In the case of an image with 512 × 512 pixels, it is possible, for example, to represent the original image with 256 × 256, 128 × 128, 64 × 64 and so on approximately from the same compressed data stream, ie the embedded resolutions.
[0053] Die begrenzte Anzahl der Zerlegungsniveausoder Auflösungenkann Probleme darstellen, wenn die Darstellungseinrichtung oderder Drucker eine Auflösunghat, die anders als die verfügbaredyadische Auflösungist, wie etwa 768 × 768oder 1024 × 768für dasvorliegende Beispiel. Eine Lösungdieses Problems ist es, die verfügbarenZerlegungsniveaus zu erhöhen.Jedoch ist diese Lösungim allgemeinen unbefriedigend, da für höhere Zerlegungsniveaus (1/2)^L sehr klein sein kann. Für den Fall eines Bilds mit512 × 512Pixeln ist fürL = 5 beispielsweise das kleinste dekodierbare Bild 16 × 16, wasfür dieWahrnehmung des menschlichen Auges zu klein ist. Außerdem verringertjede dyadische Zerlegung die Anzahl der Pixel um 75 %, was zu einer Verringerungder wirklichen Bildinformation nach jeder Zerlegung führt. Stattdessenwäre eswünschenswert, einegrößere Anzahlvon unterscheidbaren Auflösungenund insbesondere feinere und anpaßbare Auflösungen zu haben. Dies würde es erlauben,die Information von einem Niveau zum nächsten in kleineren Schritten zuverringern, d. h. kleiner als 75 %, und es erlauben, das Bild miteiner Auflösungzu einer Ausgabeeinrichtung zu schicken, die besonders an die Einrichtungangepaßtist, was zu einer Optimierung der Ausgabequalität für die Bandbreiteverwendungführt,die fürdie Bildübertragungerforderlich ist.The limited number of decomposition levels or resolutions can present problems if the display device or printer has a resolution other than the available dyad resolution, such as 768 x 768 or 1024 x 768 for the present example. One solution to this problem is to increase the levels of decomposition available. However, this solution is generally unsatisfactory since (1/2) ^{L can be} very small for higher levels of decomposition. For example, in the case of an image with 512 × 512 pixels, the smallest decodable image is 16 × 16 for L = 5, which is too small for the perception of the human eye. In addition, each dyad decomposition reduces the number of pixels by 75%, which results in a reduction in the real image information after each decomposition. Instead, it would be desirable to have a larger number of distinguishable resolutions, and in particular finer and more adaptable resolutions. This would allow the information to be reduced from one level to the next in smaller increments, ie less than 75%, and would allow the image to be sent to an output device with a resolution that is particularly adapted to the device, resulting in one Optimizing output quality for the bandwidth usage that is required for image transmission.
[0054] Eine solche Technik umfaßt die Verwendungvon allgemeinen Wavelet-Transformationen, einschließlich nichtdyadischer,durch die unterscheidbarere eingebettete Auflösungen als durch dyadischeWT erreichbar sind. Diese allgemeinen Transformationen würden deshalbdie Wiederherstellung von Bildern mit nichtdyadischen Auflösungen ausden ursprünglichenBildern ermöglichen,die immer noch die Grundstruktur der dyadischen WT mit vielen Auflösungen aufweisen.Insbe sondere ist innerhalb dieser allgemeinen Wavelet-Transformationsgrundstrukturfür jedesZerlegungsniveau jeder erwünschteAuflösungfür dieDatendimension auf eine eingebettete Art erreichbar. Die Auflösungen können ineinen Bitstrom eingebettet sein, um für verlustreiche (unperfekte)oder verlustlose (perfekte) Wiederherstellung zu sorgen. In derPraxis werden die Dimensionen getrennt verarbeitet. Für ein zweidimensionalesBild kann beispielsweise jede Zeile vor der Verarbeitung der Spaltendatenverarbeitet werden.One such technique involves usegeneral wavelet transformations, including non-dyadic,by the more distinguishable embedded resolutions than by dyadic onesWT can be reached. These general transformations would thereforerestoring images with non-dyadic resolutionsthe originalEnable imageswhich still have the basic structure of the dyadic WT with many resolutions.In particular is within this general wavelet transformation basic structurefor eachDecomposition level any desiredresolutionfor theData dimension accessible in an embedded way. The resolutions can be ina bitstream to be embedded for lossy (imperfect)or provide lossless (perfect) recovery. In theIn practice, the dimensions are processed separately. For a two-dimensionalFor example, image can be any row before processing the column dataare processed.
[0055] In der folgenden Diskussion diesesallgemeinen WT-Systems stellt N die Gesamtzahl der Datenpunkte dar,wie etwa Pixel in einer Zeile oder Spalte für den Fall eines digitalenBildes, währendn die Anzahl der Datenpunkte darstellt, wie etwa Pixel für den Falleeines Bildes, das auf einmal verarbeitet wird. Ausgehend von einemBild mit 768 × 768Pixeln wäreN beispielsweise 768 bei der Verarbeitung der Zeilen und 768 beider Verarbeitung der Spalten. Der Wert von n kann jedoch von einemVerwender oder einer automatisierten Routine auf Grundlage des erwünschtenErgebnisses bestimmt werden. Fürdyadische Ergebnisse, die von diesem allgemeinen Schema wiedergegebenwerden können,wäre nein gleich 2 gesetzt, d.h. die Datenpunkte würden in Gruppen von 2 verarbeitetwerden. Nichtdyadische Ergebnisse können unter Verwendung von Zahlenfür n ungleich2 wie etwa 3 oder 4 erhalten werden, vorausgesetzt, daß die ausgewählte Anzahlder Näherungskoeffizientenk wie im folgenden beschrieben, kein Verhältnis von k/n gleich ½ erzeugt.In the following discussion of this general WT system, N represents the total number of data points, such as pixels in a row or column, in the case of a digital image, while n represents the number of data points, such as pixels in the case of an image that is processed at once. For example, starting from an image with 768 × 768 pixels, N would be 768 when processing the rows and 768 when processing the columns. However, the value of n can be determined by a user or an automated routine based on the desired result. For dyadic results by the can be reproduced in this general scheme, n would be set to 2, ie the data points would be processed in groups of 2. Non-dyadic results can be obtained using numbers for n other than 2, such as 3 or 4, provided that the selected number of approximation coefficients k, as described below, does not produce a ratio of k / n equal to 1/2.
[0056] Fürden Fall eines Bildes mit 768 × 768Pixeln und n gleich 3 könnendie 768 Pixel, die jede Zeile oder jede Spalte umfaßt, beispielsweisein Gruppen von 3, d. h. 256 Gruppen von jeweils 3 Pixeln verarbeitetwerden. Ähnlichwürde einWert n = 4 192 Gruppen von 4 Pixeln, die jeweils verarbeitet werden,ergeben. Dabei soll beachtet werden, daß der Einfachheit halber Wertevon N und n fürdiese Beispiele verwendet wurden, für welche N/n eine ganze Zahlergibt. Dies muß jedochnicht der Fall sein. In Fällen,in denen N/n keine ganze Zahl ergibt, werden Auffüllen, Streckenoder andere aus dem Stand der Technik bekannte Techniken verwendet,um jede Diskrepanz, die zu dem Fehlen der ganzzahligen Teilbarkeitgehört,anzupassen.Forthe case of a 768 × 768 imagePixels and n equal to 3 canfor example, the 768 pixels that comprise each row or columnin groups of 3, d. H. 256 groups of 3 pixels each processedbecome. Similarwould oneValue n = 4,192 groups of 4 pixels, each processed,result. It should be noted that for the sake of simplicity, valuesof N and n forthese examples were used for which N / n is an integerresults. However, this mustnot be the case. In casesin which N / n does not result in an integer, padding, stretchingor uses other techniques known from the prior art,around any discrepancy that results in the lack of integer divisibilityheard,adapt.
[0057] 4 zeigtein Beispiel einer Transformation, die aus einem Satz von 12 Datenpunktenbesteht, die hier als Pixel 108 dargestellt sind. Die Pixel 108 können entwedervon einer Zeile 110 oder einer Spalte 112 desentsprechenden Bildes entnommen sein. Die Pixel 108 sindanfangs in einem ursprünglichenZustand 114 vor der Komprimierung. Die Pixel 108 werdenin z Gruppen von jeweils n Pixeln wie in Schritt 116 dargestellt, unterteilt.Für n =4 werden fürdas gegenwärtigeBeispiele 3 Gruppen von 4 Pixeln dazu führen, daß die Pixel in einem gruppiertenZustand 118 sind, wobei jeweils n Pixel in z Verarbeitungsgruppen 120 angeordnetsind. 4 shows an example of a transformation consisting of a set of 12 data points, here as pixels 108 are shown. The pixels 108 can either be from one line 110 or a column 112 taken from the corresponding picture. The pixels 108 are initially in their original condition 114 before compression. The pixels 108 are in z groups of n pixels each as in step 116 shown, divided. For n = 4 for the current examples 3 Groups of 4 pixels cause the pixels to be in a grouped state 118 are, each with n pixels in z processing groups 120 are arranged.
[0058] Auf Grundlage eines Werts, der voneinem Nutzer oder einem automatisierten Mittel gewählt wird,werden k Näherungskoeffizientenund n – kDetailkoeffizienten fürjede Verarbeitungsgruppe 120 für ein Zerlegungsniveau einesSatzes von n Datenpunkten berechnet. Die k Näherungskoeffizienten stelleneine Darstellung der ursprünglichn Koeffzienten mit niedrigerer Auflösung dar. Die n – k Detailkoeffzientenbeinhalten die zusätzlicheInformation, die erforderlich ist, um die ursprünglichen n Datenpunkte wiederherzustellen,die durch die k Näherungskoeffzientenvorgegeben sind. Innerhalb dieser allgemeinen Grundstruktur tritteine dyadische Transformation auf, wenn n = 2 und k = 1 ist. Für eine allgemeineAusführungsformkann k jedoch irgendein Wert > 0oder kleiner < nsein. Die n – kDetailkoeffzienten könnendurch Verarbeitung der ausgewähltenn-k Daten punkte in jeder Verarbeitungsgruppe 120 berechnetwerden gemäß der Gleichung:
[0059] Wobei x_i denausgewähltenDatenpunkt und Y_i den sich ergebenden Koeffizienten,hier einen Detailkoeffzienten, darstellt. Die Werte von ß_j könnenabhängigvon den erwünschtenEigenschaften des komprimierten Bildes wie der Bewahrung verschiedenerDetails des Signals fürniedrigere Auflösungauf verschiedene Arten bestimmt werden,. Wenn beispielsweise derMittelwert des Signals bewahrt werden soll für das Signal mit niedrigerAuflösung,könnendie entsprechenden Werte ß_j und α_j, die im folgenden genau erörtert werden, gemeinsambestimmt werden, um den Mittelwert zu bewahren. Werte von ß_j, die den Mittelwert des Signals in Verbindungmit geeigneten Werte für α_j bewahren,sind beispielsweise durch die Gleichung gegeben:
[0060] Unter Umständen können die Werte von ß_j auch so gewählt werden, daß unterschiedlicheFilter oder Bilder mit niedriger Auflösung erzeugt werden.Under certain circumstances, the values of ß _{j can} also be selected so that different filters or images with low resolution are generated.
[0061] Die ausgewählten n-k Datenpunkte können irgendwelcheder Datenpunkte innerhalb der Verarbeitungsgruppe 120 sein.In einer Ausführungsformist der gleiche entsprechende Datenpunkt wie der erste oder dritteinnerhalb der Verbeitungsgruppe 120 ausgewählt. Unterder Annahme k = 3 kann der Detailkoeffzienten n-k oder 1 beispielsweisewieder mit Bezugnahme auf 4 ausirgendwelchen der verfügbarenDatenpunkte wie die Pixel 108 innerhalb jeder Verarbeitungsgruppeberechnet werden wie durch den Schritt 122 zur Be rechnungdes Detailkoeffzientens dargestellt. In diesem Beispiel sind diedritten Datenpunkte in jeder Verarbeitungsgruppe ausgewählten Datenpunkte 124,obwohl wie oben angemerkt irgendwelche n-k Datenpunkte für jede Gruppe 120 ausgewählt werdenkönnen.Jeder ausgewähltePunkt 124 wird gemäß Gleichung(1) verarbeitet, um den entsprechenden Detailkoeffzienten 126 zuberechnen wie in den Daten 128 dargestellt, die mit Detailkoeffzientenverarbeitet sind.The selected nk data points can be any of the data points within the processing group 120 his. In one embodiment, the same corresponding data point as the first or third is within the processing group 120 selected. Assuming k = 3, the detail coefficient nk or 1 can, for example, again with reference to FIG 4 from any of the available data points like the pixels 108 be calculated within each processing group as through the step 122 shown for the calculation of the detail coefficient. In this example, the third data points in each processing group are selected data points 124 , although as noted above any nk data points for each group 120 can be selected. Any selected point 124 is processed according to equation (1) to find the corresponding detail coefficient 126 to be calculated as in the data 128 shown, which are processed with detail coefficients.
[0062] Die Detailkoeffzienten 126 können verwendetwerden, um die Näherungskoeffizientenzu bestimmen, die zu dem verbleibenden nicht ausgewählten Punktenin dem Schritt 130 zur Berechnung der Näherungskoeffizienten gehören. Diek Näherungskoeffizientenkönnendurch Verarbeitung der vorher nicht gewählten und nicht verarbeitetenk Datenpunkte 132 fürjede Verarbeitungsgruppe 120 berechnet werden gemäß Gleichung:
[0063] Wobei der resultierende Koeffzient,der fürdiesen Fall durch Y_i dargestellt wird, einenNäherungskoeffizientendarstellt. Ebenso wie die Werten von ß_j können dieWerte von α_j auf verschiedene Arten abhängig vonder erwünschtenQualitätdes dekomprimierten Bildes wie der Bewahrung verschiedener Detailsdes Signals bei niedriger Auflösungbestimmt werden. Wenn beispielsweise der Mittelwert des Signal bewahrtwerden soll, kann α_j, wenn es in Verbindung mit Gleichung (2)verwendet wird, aus der sich das entsprechende ß_j ergibt,berechnet werden gemäß der folgendenGleichung:
[0064] Wenn jedoch andere Bildqualitäten betontwerden sollen, kann α_j anders berechnet werde oder ein Wert zugeordnetwerden, der zu den erwünschtenEigenschaften des komprimierten Bilds führt.However, if other image qualities are to be emphasized, α _j can be calculated differently or a value can be assigned which leads to the desired properties of the compressed image.
[0065] Nach Verarbeitung der vorher nichtausgewähltenk Datenpunkte 132 sind die entsprechenden Näherungskoeffizienten 134 inden Daten 136 gegenwärtig,die mit Näherungskoeffzientenverarbeitet wurden, und der ursprüngliche Datensatz 114 hatein Zerlegungsniveau erfahren. Insbesondere haben in dem angegebenenBeispiel die ursprünglichenDatenpunkte 114 ein Zerlegungsniveau über eine nichtdyadische Transformationfür 3–4 (k =3, n = 4) erfahren, woraus sich eine Anzahl von Transformationskoeffzientenergibt, die gleich der ursprünglichenAnzahl der Datenpunkte ist, d. h. 12 für dieses Beispiel. Die Anzahlder resultierenden Koeffizienten muß aber nicht gleich der Anzahlder ursprünglichenDatenpunkte sein. Insbesondere könnennichtdyadische Transformationen verwendet werden, die insofern überflüssig sind,daß dieSumme der Näherungs- undDetailkoeffizienten, die von einem Satz 120 erzeugt werden,die ursprünglicheAnzahl der Datenpunkte in dem Satz 120 überschreitet. In 5 ist ein Zerlegungsniveau,das die allgemeine Transformation verwendet, genauer dargestellt.After processing the previously unselected k data points 132 are the corresponding approximation coefficients 134 in the data 136 current, processed with approximation coefficients, and the original data set 114 has experienced a level of disassembly. In particular, in the example given have the original data points 114 experience a decomposition level for a non-dyadic transformation for 3-4 (k = 3, n = 4), which results in a number of transformation coefficients that is equal to the original number of data points, ie 12 for this example. However, the number of resulting coefficients need not be the same as the number of original data points. In particular, non-dyadic transformations can be used, which are superfluous in that the sum of the approximation and detail coefficients is that of one sentence 120 the original number of data points in the set 120 exceeds. In 5 is a decomposition level that uses the general transformation shown in more detail.
[0066] Die Näherungskoeffizienten 134 unddie Detailkoeffizienten 126 können im Schritt 138 nachjeder Runde der Zerlegung neu geordnet werden, um die Darstellungoder die weitere Zerlegung zu vereinfachen. Wieder mit Bezug auf 4 können die resultierende Näherungskoeffizienten 134 undDetailkoeffizienten 126 aneinandergrenzend angeordnet sein,wobei ihre Reihenfolge beibehalten wird, um einen neu geordnetenSatz 140 verarbeiteter Daten zu bilden.The approximation coefficients 134 and the detail coefficients 126 can in step 138 reordered after each round of disassembly to simplify presentation or further disassembly. Again with reference to 4 can the resulting approximation coefficient 134 and detail coefficients 126 be arranged contiguously, with their order being maintained, around a reordered sentence 140 form processed data.
[0067] Zusätzliche Zerlegungsniveaus können durchAnwendung der erwünschtenTransformation auf die Näherungskoeffzienten 134 desgegenwärtigenZerlegungsniveaus erreicht werden. Wenn beispielsweise die gleichenn und k fürjedes Zerlegungsniveau verwendet werden, werden sich nach L Zerlegungsniveausvon N Datenpunkten ungefährN (k/n)^L Näherungskoeffizienten ergeben.Jedoch müssenn und k nicht konstant gehalten werden und stark anpaßbare Zerlegungsniveauskönnendurch Ändernvon n und k füraufeinanderfolgende Zerlegungsniveaus erreicht werden.Additional decomposition levels can be applied to the approximation coefficients by applying the desired transformation 134 the current level of disassembly. For example, if the same n and k are used for each decomposition level, approximately N (k / n) ^L approximation coefficients will result after L decomposition levels of N data points. However, n and k need not be kept constant and highly customizable decomposition levels can be achieved by changing n and k for successive decomposition levels.
[0068] Mit Bezugnahme auf 6 könnenbeispielsweise die Näherungskoeffizienten 134 desneu geordneten Satzes 140 verarbeiteter Daten, der sichaus dem ersten Zerlegungsniveau aus 4 ergibt,weiter zerlegt werden. In der darauffolgenden Zerlegung umfassendie vorhergehenden Näherungskoeffizientenden neuen anfänglichenSatz von Datenpunkten. Währenddie gleiche nichtdyadische Transformation für 3–4 für dieses zweite Zerlegungsniveauverwendet werden könnte,könntenandere Werte fürn und k auch verwendet werden. Beispielsweise könnte n = 3 und k = 2 wie in 6 veranschaulicht verwendetwerden, was zu 6 Näherungskoeffizienten 134 und 3 Detailkoeffizienten 126 führt. Ähnlich könnte einezusätzlicheZerlegung den Näherungskoeffizienten 134 mitdieser allgemeinen Transformation durchgeführt werden.With reference to 6 can, for example, the approximation coefficients 134 of the reordered sentence 140 processed data resulting from the first decomposition level 4 results to be further broken down. In the subsequent decomposition, the previous approximation coefficients include the new initial set of data points. While the same nonddyadic transformation could be used for 3-4 for this second decomposition level, other values for n and k could also be used. For example, n = 3 and k = 2 as in 6 illustrates used, resulting in 6 approximation coefficients 134 and 3 detail coefficients 126 leads. Similarly, an additional decomposition could be the approximation coefficient 134 be done with this general transformation.
[0069] Es ist bemerkenswert, daß die aufeinanderfolgendeAnwendung der Transformation für3–4 aus 4 und der Transformationfür 2–3 aus 6 zu 6 Näherungskoeffizienten 134 führt, wiesie sich ergeben würden, wenneine einzelne dyadische Transformation auf den anfänglichenDatensatz 114 aus 4 angewandtwürde.Mit anderen Worten kann die aufeinanderfolgende Anwendung von unterschiedlichennichtdyadischen Transformationen zu einer dyadischen Bildauflösung führen. Jedochsind zusätzlicheAuflösungsniveauszwischen der ursprünglichenund der dyadischen Auflösungvorhanden, Hier ist es die Auflösung3/4 aus 4. Offensichtlichkönnenauch andere Kombinationen nichtdyadischer Transformationen zu dyadischenAuflösungenführen.Außerdemkönnenauf die dyadischen Transformationen nichtdyadische Transformationenfolgen bzw. ihnen vorausgehen, um eine ansonsten unerreichbare Auflösung zuerzeugen, d. h. willkürlicheAuflösungender komprimierten Daten. Die Fähigkeitnichtdyadische und dyadische Transformationen wie auch nichtdyadischeund nichtdyadische Transformationen aneinanderzureihen, macht dieVerwendung dieser Transformationen innerhalb existierender Komprimierungsschematahoch flexibel.It is noteworthy that the successive application of the transformation is for 3-4 4 and the transformation for 2-3 6 to 6 approximation coefficients 134 leads as they would result if a single dyadic transformation were performed on the initial data set 114 out 4 would be applied. In other words, the successive use of different non-dyadic transformations can lead to dyadic image resolution. However, there are additional levels of resolution between the original and dyadic resolution, here it is 3/4 resolution 4 , Obviously, other combinations of non-dyadic transformations can lead to dyadic resolutions. In addition, non-dyadic transformations can follow or precede the dyadic transformations in order to produce an otherwise unattainable resolution, ie arbitrary resolutions of the compressed data. The ability to string non-dyadic and dyadic transformations as well as non-dyadic and non-dyadic transformations together makes the use of these transformations highly flexible within existing compression schemes.
[0070] Wie bereits angemerkt, kann bei derVerarbeitung von vieldimensionalen Sätzen von Datenpunkten jedeDimension getrennt verarbeitet werden. Beispielsweise können dieZeilen 110 und die Spalten 112, die das Bild 100 umfassen,getrennt verarbeitet werden und eins von beiden kann zuerst verarbeitetwerden. Die gleichen Werte fürn und k von der Verarbeitung der Zeilen 110 und der Spalten 112 desBildes 100 können verwendetwerden, oder unterschiedliche Werte können verwendet werden, insbesonderewenn das Bild 100 nicht quadratisch, sondern statt dessenrechteckig ist oder wenn ein rechteckiges komprimiertes Bild voneinem ursprünglichquadratischen Bild erwünschtwird. Zusätzlichkann es bei digitalen Videos eine dritte Dimension, die Dimensionder Zeit, geben. Videos könnenzusätzlichzu den Zeilen 110 und Spalten 112 unter Verwendungeiner allgemeinen Transformation zeitlich komprimiert werden. Wiein der Diskussion der Zeilen 110 und Spalten 112 können diegleichen Werte fürn und k verwendet werden, wie sie in anderen Dimensionen verwendetwerden, um das Video in der Zeitdimension zu komprimieren oder unterschiedlicheWerte können verwendetwerden.As noted earlier, when processing multidimensional sets of data points, each dimension can be processed separately. For example, the lines 110 and the columns 112 who the picture 100 include, processed separately, and either of them can be processed first. The same values for n and k from the processing of the rows 110 and the columns 112 of the picture 100 can be used, or different values can be used, especially if the image 100 not square, but instead rectangular, or when a rectangular compressed image of an originally square image is desired. In addition, digital video can have a third dimension sion, the dimension of time. Videos can be in addition to the lines 110 and columns 112 be temporally compressed using a general transformation. As in the discussion of the lines 110 and columns 112 the same values for n and k can be used as used in other dimensions to compress the video in the time dimension, or different values can be used.
[0071] Mit Bezugnahme auf 7 ist eine Stichprobe der Ergebnisseder Anwendung einer allgemeinen Transformation auf ein quadratischesBild 100 dargestellt. Eine nichtdyadische Transformationwurde dreimal angewandt und die gleichen n und k wurden sowohl für die Zeilen,die Spalten als auch jede Transformation verwendet. Wie oben erwähnt können jedochunterschiedliche Werte fürn und k fürdie Zeilen und Spalten oder darauffolgende Transformationen verwendetwerden. Zusätzlichwurden nach jeder Transformation die Näherungskoeffizienten 134 unddie Detailkoeffizienten 126 in aneinandergrenzende Gruppenneu geordnet, wie es im Schritt 138 durchgeführt wird.With reference to 7 is a sample of the results of applying a general transformation to a square image 100 shown. A non-dyad transformation was applied three times, and the same n and k were used for the rows, the columns, and each transformation. However, as mentioned above, different values for n and k can be used for the rows and columns or subsequent transformations. In addition, the approximation coefficients were calculated after each transformation 134 and the detail coefficients 126 rearranged into adjacent groups as in step 138 is carried out.
[0072] Die Buchstaben L und H stellen die "niedrige" und "hohe" Frequenz dar, dieden entsprechenden Näherungs-und Detailkoeffizienten entsprechen, die von dem oben diskutiertenTranformationsverfahren erzeugt werden. Der erste Buchstabe beziehtsich auf die Frequenz in der horizontalen Richtung des Bildes, d.h.der Zeilen 110, und der zweite Buchstabe bezieht sich aufdie Frequenz der vertikalen Richtung des Bildes, d.h. der Spalten 112.Die Zahl, die den Buchstaben folgt, bezieht sich auf das Zerlegungsniveau,wobei die Anwendung einer allgemeinen Transformation einmal entlangeiner Zeile 110 und einmal entlang einer Spalte 112 in beliebigerReihenfolge ein Zerlegungsniveau darstellt. Anders als dyadischeTransformationen, fürwelche ein Zerlegungsniveau zu Unterbändern uniformer Dimensionenführt,führennichtdyadische Transformationen wie die in diesem Beispiel verwendetenzu Unterbändernunterschiedlicher Dimensionen, die durch die Werte von n und k bestimmtsind.The letters L and H represent the "low" and "high" frequencies that correspond to the corresponding approximation and detail coefficients generated by the transformation process discussed above. The first letter refers to the frequency in the horizontal direction of the image, ie the lines 110 , and the second letter refers to the frequency of the vertical direction of the image, ie the columns 112 , The number that follows the letters refers to the decomposition level, applying a general transformation once along a line 110 and once along a column 112 represents a decomposition level in any order. Unlike dyadic transformations, for which a decomposition level leads to subbands of uniform dimensions, non-dyadic transformations such as those used in this example lead to subbands of different dimensions, which are determined by the values of n and k.
[0073] Wiederum mit Bezugnahme auf 7 erfuhr beispielsweisedas ursprünglicheBild 100 keine Transformation und wird deshalb mit LL0bezeichnet. Nach einer dyadischen Transformation wird das erstezerlegte Bild 146 jedoch in vier Unterbänder gespalten. Das UnterbandLL1 entspricht der Bildinformation, die in den horizontalen undvertikalen Näherungskoeffizienten 134 enthaltenist. Das Unterband HH1 entspricht der Information, die in den horizontalenund vertikalen detaillierten Koeffizienten 126 enthaltenist, währenddie UnterbänderLH1 und HL1 entsprechenden Kombinationen dieser Information entsprechen.Wie bereits angemerkt kann das Unterband LL1, das die Näherungskoeffizienten 134 umfaßt, einezweite Transformation erfahren, was zu dem zweiten zerlegten Bild 148 führt, indem LL1 in vier entsprechende Unterbänder LL2, HH2, HL2 und LH2zerlegt wurde, so daß dasursprünglicheBild 100 in sieben Frequenzunterbänder gespalten ist. Das UnterbandLL2 kann auch Gegenstand einer nichtdyadischen Transformation sein,um das dritte zerlegte Bild 150 zu erzeugen, das zehn Frequenzunterbänder aufgrundder Zerlegung von LL2 in LL3, HH3, LH3 und HL3 aufweist. Im vorliegendenBeispiel stellen LLO, L11, LL2 und LL3 unterschiedliche Auflösungen desursprünglichenBildes 100 dar, die sich der Endnutzer anschauen kann,d. h. LLO, LL1, LL2 und LL3 umfassen die entsprechenden horizontalenund vertikalen Näherungskoeffizienten 134 einesjeden Zerlegungsniveaus, das sichtbare Bildinformation beinhaltet.Again with reference to 7 learned, for example, the original image 100 no transformation and is therefore referred to as LL0. After a dyadic transformation, the first disassembled picture 146 however, split into four subbands. The subband LL1 corresponds to the image information contained in the horizontal and vertical approximation coefficients 134 is included. The subband HH1 corresponds to the information contained in the horizontal and vertical detailed coefficients 126 is contained, while the sub-bands LH1 and HL1 correspond to corresponding combinations of this information. As already noted, the subband LL1, which is the approximation coefficient 134 involves undergoing a second transformation, resulting in the second decomposed image 148 leads, in which LL1 has been broken down into four corresponding sub-bands LL2, HH2, HL2 and LH2, so that the original image 100 is split into seven frequency subbands. The subband LL2 can also be the subject of a non-dyadic transformation around the third decomposed image 150 to produce that has ten frequency subbands due to the decomposition of LL2 into LL3, HH3, LH3 and HL3. In this example, LLO, L11, LL2 and LL3 represent different resolutions of the original image 100 that the end user can look at, ie LLO, LL1, LL2 and LL3 include the corresponding horizontal and vertical approximation coefficients 134 of each level of decomposition that contains visible image information.
[0074] Dabei ist es wichtig anzumerken,daß dieentsprechenden UnterbänderLL und HH verwendet werden können,um daß UnterbandLL des vorhergehenden Zerlegungsniveaus durch Anwendung der entsprechendenumgekehrten Transformation wiederherzustellen. Beispielsweise können LL3und HH3, die die entsprechenden Näherungskoeffizienten 430 undDetailkoeffizienten 126 beinhalten, durch Anwendung derentsprechenden umgekehrten nichtdyadischen Transformation verwendetwerden, um LL2 wiederherzustellen. Ähnlich können LL2 und HH2 verwendetwerden, um LL1 wiederherzustellen und so weiter. Auf diese Weisekann das ursprünglicheBild aus den verschiedenen Frequenzunterbändern wiederhergestellt werden.It is important to note that the corresponding sub-bands LL and HH can be used to restore the sub-band LL of the previous decomposition level by applying the corresponding inverse transformation. For example, LL3 and HH3, which have the corresponding approximation coefficients 430 and detail coefficients 126 involve using the appropriate inverse non-dyad transformation to restore LL2. Similarly, LL2 and HH2 can be used to restore LL1 and so on. In this way, the original picture can be restored from the different frequency subbands.
[0075] Um ein Bild wiederherzustellen oderauf ein vorhergehendes Zerlegungsniveau zurückzukehren, wird insbesonderedie Umkehrtransformation durchgeführt, indem die Schritte der entsprechendenVorwärtstransformationumgekehrt werden, d. h. die nicht ausgewählten Datenpunkte 132 werdenaus den Detailkoeffizienten 126 und den Näherungskoeffizienten 134 wiederhergestellt.Die ausgewähltenDatenpunkte 124 können dannaus den nicht ausgewähltenDatenpunkten 132 und den Detailkoeffizienten 126 wiederhergestelltwerden. Eine allgemeine Darstellung dieses einen Wiederherstellungsniveausist in 8 veranschaulicht,die die Umkehrtransformation darstellt, die der Transformation aus 5 entspricht. Die entsprechendeUmkehrgleichung, um Datenpunkte aus Näherungskoeffizienten wiederherzustellen,d.h. die Umkehrtransformation, die der Gleichung (3) entspricht,kann dargestellt werden als:
[0076] Ähnlichkann die entsprechende Umkehrgleichung um Datenpunkte aus Detailkoeffizientenwiederherzustellen, d.h. die Umkehrtransformation, die Gleichung(1) entspricht, dargestellt werden als:
[0077] Währenddie obige Diskussion im allgemeinen eine bruchzahlige Umsetzungdes allgemeinen Transformationsverfahrens betrifft, kann ähnlich eineganzzahlige Umsetzung verwendet werden und durch Anheben umgesetztwerden.Whilethe above discussion is generally a fractional implementationof the general transformation process can be similarinteger conversion are used and implemented by liftingbecome.
[0078] Die ganzzahlige Umsetzung über Anhebenstellt geringe Anforderungen an die Computerleistung und Speicherungund kann durch eine geeignet aufgebaute Hardware, Software oderKombination von Hardware und Software verwirklicht werden. Solcheine ganzzahlige Umsetzung sorgt für eine verlustlose, d. h. perfekte Wiederherstellung,die aufgrund von Run dungsfehlern für die bruchzahlige Umsetzungeventuell nicht möglich ist.The integer implementation via liftingmakes low demands on computer performance and storageand can be done by a suitably designed hardware, software orCombination of hardware and software can be realized. Suchan integer implementation ensures lossless, d. H. perfect recovery,due to rounding errors for the fractional implementationmay not be possible.
[0079] Eine ganzzahlige Ausführungsformallgemeiner Wavelet-Transformationenkann auf verschiedene Arten ausgeführt werden. Für eine solcheganzzahlige Ausführungsformkönnendie Detailkoeffizienten 126, die sich aus der allgemeinenTransformation ergeben, gemäß der folgendenGleichung berechnet werden:
[0080] Wobei ⎿⏌ das Abrundenbezeichnet. Ähnlichkönnendie Näherungskoeffizienten 134 bestimmtwerden durch die Gleichung:
[0081] Die entsprechenden Umkehrtransformationen,um die Datenpunkte aus Näherungskoeffizientenwiederherzustellen, die der ganzzahligen Ausführungsform von Gleichung (8)entsprechen, kann dargestellt werden als:
[0082] Ähnlichkann die entsprechende Umkehrgleichung, um Datenpunkte aus Detailkoeffizienten,d.h. die Umkehrtransformation die Gleichung (7) entspricht, beschriebenwerden als:
[0083] In einer alternativen Ausführungsformkönnendie Detailkoeffizienten 126, die sich aus der allgemeinenTransformation ergeben, gemäß der folgendenGleichung berechnet werden:
[0084] Die entsprechenden Näherungskoeffizienten 134 können bestimmtwerden durch die Gleichung:
[0085] Die entsprechenden Umkehrtransformationen,um Datenpunkten aus den Näherungskoeffizienten wiederherzustellen,die der ganzzahligen Ausführungsformvon Gleichung (12) entsprechen, können dargestellt werden als:
[0086] Ähnlichkann die entsprechende Umkehrgleichung, um Datenpunkte aus Detailkoeffizientenwiederherzustellen, d.h. die Umkehrtransformation, die der Gleichung(11) entspricht, geschrieben werden als:
[0087] In Anbetracht der obigen Diskussion,die sowohl die Gleitkommaausführungsformals auch die ganzzahlige Ausführungsformbetrifft, sind die folgenden Beispiele zur Veranschaulichung angegeben.Vorausgesetzt, daß dieDetailkoeffizien ten Y₃ und Y₄ sind,könnenbeispielsweise die Detailkoeffizienten, die von der Transformationerzeugt werden, füreine Wavelet-Transformation für3–5, d.h.k = 3, n = 5, dargestellt werden als: Y₃ = x₃ – (x₀ + x₁ + x₂)/3 Y₄ =x₄ – (x₀ + x₁ + x₂)/3 In view of the discussion above regarding both the floating point embodiment and the integer embodiment, the following examples are given by way of illustration. Provided that the detail coefficients are Y ₃ and Y ₄ , for example, the detail coefficients generated by the transformation for a wavelet transformation for 3-5, ie k = 3, n = 5, can be represented as: Y ₃ = x ₃ - (x ₀ + x ₁ + x ₂ ) / 3 Y ₄ = x ₄ - (x ₀ + x ₁ + x ₂ ) / 3
[0088] Ähnlichkönnendie Näherungskoeffizientendargestellt werden als: Y₀ =x₀ + (Y₃ + Y₄)/5 Y₁ =X₁ + (Y₃ + Y₄)/5 Y₂ =x₂ + (Y₃ + Y₄)/5 Similarly, the approximation coefficients can be represented as: Y ₀ = x ₀ + (Y ₃ + Y ₄ ) / 5 Y ₁ = X ₁ + (Y ₃ + Y ₄ ) / 5 Y ₂ = x ₂ + (Y ₃ + Y ₄ ) / 5
[0089] Die entsprechende Umkehrfunktionder Näherungskoeffizientenkann dargestellt werden als: x₀ =Y₀ – (Y₃ + Y₄)/5 x₁ = Y₁ – (Y₃ + Y₄)/5 x₂ = Y₂ – (Y₃ + Y₄)/5 The corresponding inverse function of the approximation coefficients can be represented as: x ₀ = Y ₀ - (Y ₃ + Y ₄ ) / 5 x ₁ = Y ₁ - (Y ₃ + Y ₄ ) / 5 x ₂ = Y ₂ - (Y ₃ + Y ₄ ) / 5
[0090] Währenddie Umkehrtransformation der Detailkoeffizienten dargestellt werdenkann als: x₃ = Y₃ – (x₀ + x₁ + x₂)/3 x₄ =Y₄ – (x₀ + x₁ + x₂)/3 While the inverse transform of the detail coefficients can be represented as: x ₃ = Y ₃ - (x ₀ + x ₁ + x ₂ ) / 3 x ₄ = Y ₄ - (x ₀ + x ₁ + x ₂ ) / 3
[0091] Vorausgesetzt, daß der Detailkoeffizient Y₃ ist, kann der Detailkoeffizient ähnlich für eine Wavelet-Transformationfür 3–4 dargestelltwerden als: Y₃ = x₃ – (x₀ + X₁ + X₂)/3 Assuming that the detail coefficient is Y ₃ , the detail coefficient can similarly be represented for a wavelet transform for 3-4 as: Y ₃ = x ₃ - (x ₀ + X ₁ + X ₂ ) / 3
[0092] Die Näherungskoeffizienten können ähnlich dargestelltwerden als: Y₀ = x₀ + (Y₃/4) Y₁ = x₁ +(Y₃/4) Y₂ = x₂ + (Y₃/4) The approximation coefficients can be represented similarly as: Y ₀ = x ₀ + (Y ₃ / 4) Y ₁ = x ₁ + (Y ₃ / 4) Y ₂ = x ₂ + (Y ₃ / 4)
[0093] Die entsprechende Umkehrtransformationder Näherungskoeffizientenkann dargestellt werden als: x₀ =Y₀ – (Y₃/4) x₁ =Y₁ – (Y₃/4) x₂ =Y₂ – (Y₃/4) The corresponding inverse transformation of the approximation coefficients can be represented as: x ₀ = Y ₀ - (Y ₃ / 4) x ₁ = Y ₁ - (Y ₃ / 4) x ₂ = Y ₂ - (Y ₃ / 4)
[0094] Währenddie Umkehrtransformation der Detailkoeffizienten dargestellt werdenkann als: x₃ = Y₃ + (x₀ + x₁ + x₂)/3 While the inverse transform of the detail coefficients can be represented as: x ₃ = Y ₃ + (x ₀ + x ₁ + x ₂ ) / 3
[0095] Die obigen Beispiele sollen nichterschöpfendsein, sondern dienen dazu, die Operation der allgemeinen WT-Grundstruktur,insbesondere die Erzeugung der nichtdyadischen Transformationen,zu veranschaulichen. Die Art auf welche diese verschiedenen allgemeinenTransformationen in einem System umgesetzt werden können, wieetwa dem Bildverwaltungssystem 10, wird nun erörtert werden.The examples above are not intended to be exhaustive, but are intended to illustrate the operation of the general WT basic structure, in particular the generation of the non-dyadic transformations. The way in which these various general transformations can be implemented in a system, such as the image management system 10 , will now be discussed.
[0096] Die oben beschriebenen Transformationenund Umkehrtransformationen, die entweder auf Gleitkommarechnungoder ganzzahliger Rechnung basieren, können in einem System wie demBildverwaltungssystem 10 durch Verwendung eines Kodierers/Dekodierers(Codec) umgesetzt werden, der eingerichtet ist, um Datenströme zu kodierenund zu dekodieren. Ein generischer Codec 152 dieses Typsist in 9 dargestellt.Der Codec besteht typischerweise sowohl aus einem Kodierer 154 alsauch einem Dekodierer 156, jeder beliebige von beiden kannBestandteil einer Komponenten eines Bildverwaltungssystems 10,wie etwa der Komprimierungs/Dekomprimierungs-Schnittstelle 20 oder der Clients 22,oder in einem alleinstehenden Bildverabeitungssystem, wie einerWorkstation oder Bildverarbeitungseinrichtung, sein. Insbesonderein einer Netzumgebung könnender Kodierer 154 und der Dekodierer 156, die verwendetenwerden, um ein Bild zu komprimieren bzw. zu dekomprimieren, sichin unterschiedlichen Komponenten der Netzumgebung befinden. Aufdiese Weise kann die genaue Menge komprimierter Daten, die nötig sind,um ein Bild mit einer erwünschtenAuflösungwiederherzustellen, von dem Kodierer zu dem Dekodierer an einemanderen Ort übertragenwerden.The transformations and inverse transformations described above, which are based either on floating point calculation or integer calculation, can be done in a system such as the image management system 10 can be implemented by using an encoder / decoder (codec) which is set up to encode and decode data streams. A generic codec 152 of this type is in 9 shown. The codec typically consists of both an encoder 154 as well as a decoder 156 , Any of the two can be part of a component of an image management system 10 , such as the compression / decompression interface 20 or the clients 22 , or in a stand-alone image processing system, such as a workstation or image processing device. In particular in a network environment, the encoder 154 and the decoder 156 that are used to compress or decompress an image are located in different components of the network environment. In this way, the exact amount of compressed data needed to restore an image to a desired resolution can be transmitted from the encoder to the decoder at another location.
[0097] Wieder mit Bezugnahme auf 9 werden Eingangsdaten 158 wiedas digitale Bild 100 von dem Kodierer 154 empfangen,in welchem eine Komprimierungskomponente 160 eine odermehrere allgemeine Transformationen auf die Daten 158 anwendet.Die Komprimierungskomponente 60 kann aus einer Schaltung, ausführbarenRoutinen oder gleichartigem Mechanismus bestehen. Eine Quanitisierungskomponente 161 kannvorhanden sein, um den resultierenden Bitstrom zu quantisieren.In verlustlosen Ausführungsformenwird die Quantisierung 1 sein. Die Daten können auchvon einem Entropiekodierer 162 entropiekodiert werden, wennder Kodierer 154 einen solchen umfaßt. Der Entropiekodierer kannden Bitstrom, der sich aus den transformierten Koeffizienten ergibt,weiter komprimieren. Der Entropiekodierer 162 und der entsprechendeim folgenden diskutierte Entropiedekodierer können solche sein, wie sie inbekannten Bildkomprimierungsschemata wie Huffman-Schema, dem arithmetischenSchema und dem Lauflängenschemausw. verwendet werden.Again with reference to 9 become input data 158 like the digital image 100 from the encoder 154 received, in which a compression component 160 one or more general transformations on the data 158 applies. The compression component 60 can consist of a circuit, executable routines or similar mechanism. A quantification component 161 can be present to quantize the resulting bit stream. In lossless embodiments, quantization 1 his. The data can also be obtained from an entropy encoder 162 be entropy encoded when the encoder 154 includes such. The entropy encoder can further compress the bit stream that results from the transformed coefficients. The entropy encoder 162 and the corresponding entropy decoder discussed below may be those used in known image compression schemes such as the Huffman scheme, the arithmetic scheme, and the run length scheme, etc.
[0098] Die resultierenden komprimiertenDaten 164 werden zu einem Dekodierer 156 zur Dekomprimierung übertragen,der sich entweder bei dem Kodierer 154 oder entfernt vonihm befindet. In dem Dekodierer 156 können die komprimierten Daten 164 einenEntropiedekodierer 166 durchlaufen, wenn ein Entropiekodierer 162 während derKomprimierung verwendet wurde. Wenn die Daten quantisiert wurden,könnensie zusätzlich voneiner geeignet eingerichteten Komponente 167 dequantisiertwerden, die in dem Dekoder 156 vorhanden sein kann. DieKoeffizienten könnenvon einer Dekomprimierungskomponenten 168 des Dekoders 156,die eine oder mehrere entsprechende allgemeine Umkehrtransformationenausführt,rücktransformiertwerden, um die wiederhergestellten Daten 170 zu erzeugen.Die Dekomprimierungskomponenten 168 kann aus einer Schaltung,ausführbarenRoutinen oder einer Kombination dieser Mechanismen bestehen. Ineiner anderen Ausführungsformist der generische Codec 152 ein Codec mit einer "verlustlosen" oder perfekten Wiederherstellung,so daß diewiederhergestellten Daten 170 mit den Eingangsdaten 158 Bitfür Bit übereinstimmen.The resulting compressed data 164 become a decoder 156 for decompression, which is either at the encoder 154 or located away from it. In the decoder 156 can use the compressed data 164 an entropy decoder 166 go through if an entropy encoder 162 was used during compression. If the data has been quantized, it can also be from a suitably set up component 167 be dequantized in the decoder 156 can be present. The coefficients can be from a decompression component 168 of the decoder 156 , which performs one or more corresponding general inverse transformations, is inversely transformed to the recovered data 170 to create. The decompression components 168 can consist of a circuit, executable routines, or a combination of these mechanisms. In another embodiment, the generic codec is 152 a codec with a "lossless" or perfect recovery so that the recovered data 170 with the input data 158 Match bit by bit.
[0099] Währenddie oben erörterteLösungfür dieErzeugung von nichtdyadischen Wavelet-Transformationen mit mehrerenAuflösungeninnerhalb einer allgemeinen Grundstruktur nützlich sein kann, können auchandere Lösungeneingesetzt werden, um spezielle nichtdyadische Wavelet-Transformationenzu erzeugen. Diese alternativen Lösungen können optimiert werden, um für eine verbesserteQualitätdes komprimierten Bilds oder anderer erwünschte Merkmale zu sorgen.Ebenso wie die allgemeine Lösungführendie nichtdyadischen Transformationen, die im folgenden erörtert werden,zu einer Darstellung des ursprünglichenSignals mit mehreren Auflösungenund stellen das Signal mit nichtdyadischen Auflösungen aus dem gleichen komprimierten Bitstromauf wirkungsvolle Weise wiederher. Die speziellen nichtdyadischenWavelet-Transformationen könnenfür perfekteoder unperfekte Wiederherstellung des ursprünglichen Signals mit der ursprünglichenAuflösungeingerichtet sein. Ebenso wie für dieallgemeine Lösungkönnendie nichtdyadischen Transformationen, die im folgenden erörtert werden,mit dyadischen oder nichtdyadischen Transformationen verkettet werden,um zusätzlicheAuflösungenzu erreichen. Die nichtdyadischen Transformationen können auchdifferentiell auf die unterschiedlichen Dimensionen des Datensatzes,d. h. Zeilen, Spalten, Zeit angewandt werden, um die erwünschte Auflösung für jede Dimensionfür eingewöhnlichesZerlegungsniveau zu erreichen.While the solution discussed above for the generation of nonddyadic wavelet transforms With multiple resolutions within a general basic structure, other solutions can also be used to generate special non-dyadic wavelet transformations. These alternative solutions can be optimized to provide improved quality of the compressed image or other desired features. Like the general solution, the non-dyadic transformations discussed below result in a representation of the original signal with multiple resolutions and effectively restore the signal with non-dyadic resolutions from the same compressed bit stream. The special non-dyadic wavelet transformations can be set up for perfect or imperfect restoration of the original signal with the original resolution. As with the general solution, the non-dyadic transformations discussed below can be concatenated with dyadic or non-dyadic transformations to achieve additional resolutions. The non-dyadic transformations can also be applied differentially to the different dimensions of the data set, ie rows, columns, time, in order to achieve the desired resolution for each dimension for an ordinary decomposition level.
[0100] Die speziellen nichtdyadischen Wavelet-Transformationenkönnenso gestaltet sein, daß dieVerringerung der Anzahl der Pixel von einem Niveau zum nächsten geringerals die 75 % ist, die bei dyadischen Wavelet-Transformationen beobachtetwird. Dies ermöglichteine größere Anzahlvon visuell unterscheidbaren Auflösungen als dyadische WT. Zusätzlich können diespeziellen nichtdyadischen Wavelet-Transformation einfach als ganzzahligeAusführungsformen über Anhebenumgesetzt werden und benötigenkeine großenComputerressourcen.The special non-dyadic wavelet transformationscanbe designed so that theDecrease the number of pixels from one level to the next lessthan the 75% observed in dyadic wavelet transformsbecomes. this makes possibleA larger numberof visually distinguishable resolutions as dyad WT. In addition, thespecial non-dyadic wavelet transformation simply as an integerEmbodiments about liftingbe implemented and needno big onesComputer resources.
[0101] Währendverschiedene nichtdyadische Wavelet-Transformationen gemäß der folgendenErörterung ausgestaltetwerden können,werden zwei Beispiele genau erörtertwerden, um den Aufbau und die Verwendung der speziellen nichtdyadischenWavelet-Transformationen zu veranschaulichen. Das erste Beispielstellt eine Näherungdes ursprünglichenBilds fürjede Auflösung2/3 auf Grundlage einer Darstellung des ursprünglichen Bilds mit mehrerenAuflösungenwiederher und wird deshalb als 2/3-Transformation bezeichnet. Die 2/3-Transformation kannNäherungeneines ursprünglichenBildes mit 512 × 512Pixeln als 9 Zerlegungsniveaus darstellen, d.h. mit Auflösungen von342 × 342,228 × 228,152 × 152,102 × 102,68 × 68,46 × 46,32 × 32,22 × 22und 16 × 16.Die dyadische Wavelet-Transformation des gleichen Bilds führt natürlich nurzu 5 Zerlegungsniveaus von dem kompri mierten Bitstrom, d.h. Auflösungen von256 × 256,128 × 128,64 × 64,32 × 32und 16 × 16.Die größere Anzahlvon verfügbareneingebetteten Auflösungenund die Flexibilität,die mit der größeren Anzahlverbunden ist, sind natürlichVorteile, die spezielle nichtdyadische Wavelet-Transformationen haben.Whilevarious non-dyadic wavelet transforms according to the followingDiscussioncan betwo examples are discussed in detailto build and use the special non-dyadicTo illustrate wavelet transformations. The first examplerepresents an approximationof the originalImage forany resolution2/3 based on a representation of the original image with multipleresolutionsrestore and is therefore referred to as a 2/3 transformation. The 2/3 transformation canapproximationsan original512 × 512 imageRepresent pixels as 9 levels of decomposition, i.e. with resolutions of342 × 342,228 × 228,152 × 152,102 × 102,68 × 68,46 × 46,32 × 32,22 × 22and 16 × 16.The dyadic wavelet transformation of the same image naturally only leadsto 5 decomposition levels from the compressed bit stream, i.e. Resolutions of256 × 256,128 × 128,64 × 64,32 × 32and 16 × 16.The larger numberof availableembedded resolutionsand the flexibilitythe one with the larger numberare connected, of courseAdvantages that special non-dyadic wavelet transformations have.
[0102] Mit Bezugnahme auf 10 ist die 2/3-Transformation dargestellt.Ein Untersatz anfänglicherDatenpunkte 180 ist dargestellt, die ein Teil einer Zeile,Spalte oder anderen Dimension eines großen Datensatzes umfassen können. Ineinem Schritt zur Berechnung von Näherungskoeffzienten 182 können dieNäherungskoeffizienten 184 berechnetwerden gemäß: Y₀ =x₀ + ⎿(x₁/3)⏌ (15) Y₂ =x₂ + ⎿(x₁/3)⏌ (16) With reference to 10 the 2/3 transformation is shown. A subset of initial data points 180 is shown, which may comprise part of a row, column or other dimension of a large data set. In one step to calculate approximation coefficients 182 can use the approximation coefficients 184 are calculated according to: Y ₀ = x ₀ + ⎿ (x ₁ / 3) ⏌ (15) Y ₂ = x ₂ + ⎿ (x ₁ / 3) ⏌ (16)
[0103] Die Näherungskoeffizienten 184 stellendie Tiefpaßkomponentendar, die in diesem Beispiel ein Signal mit einer 2/3-Auflösung nachder Skalierung mit einem Faktor 3/4 darstellen. Das Abrunden wirddargestellt als ⎿(·)⏌.Die Hochpaßkomponente,der Detailkoeffzient 186, kann mit dem Schritt 188 zurBerechnung von Detailkoeffizienten berechnet werden gemäß: Y₁ =x₁ – ⎿(3/8)·(Y₀)⏌ – ⎿(3/8)·(Y₂)⏌ (17) The approximation coefficients 184 represent the low-pass components, which in this example represent a signal with a 2/3 resolution after scaling with a factor 3/4. Rounding is represented as ⎿ (·) ⏌. The high-pass component, the detail coefficient 186 , can with the step 188 for the calculation of detail coefficients are calculated according to: Y ₁ = x ₁ - ⎿ (3/8) · (Y ₀ ) ⏌ - ⎿ (3/8) · (Y ₂ ) ⏌ (17)
[0104] Der Detailkoeffizient Y₁ 186 kannverwendet werden, um die ursprünglichenDatenpunkte 180 über eine2/3-Umkehrtransformation, die in 11 dargestelltist, wiederherzustellen. Insbesondere ergibt sich x₁ aus: x₁ =Y₁ + ⎿(3/8)·(Y₀)⏌ + ⎿(3/8)·(Y₂)⏌ (18) The detail coefficient Y ₁ 186 can be used to restore the original data points 180 via a 2/3 inverse transformation, which in 11 is shown to restore. In particular, x ₁ results from: x ₁ = Y ₁ + ⎿ (3/8) · (Y ₀ ) ⏌ + ⎿ (3/8) · (Y ₂ ) ⏌ (18)
[0105] Die verbleibenden ursprünglichenDatenpunkte 180 könnenwiederhergestellt werden gemäß: x₀ =Y₀ – ⎿(x₁ /3)⏌ (19) x₂ =Y₂ – ⎿(x₁/3)⏌ (20) The remaining original data points 180 can be restored according to: x ₀ = Y ₀ - ⎿ (x ₁ / 3) ⏌ (19) x ₂ = Y ₂ - ⎿ (x ₁ / 3) ⏌ (20)
[0106] Anhand der Gleichungen für die 2/3-Transformationkann erkannt werden, daß die2/3-Transformation eine Näherungsinterpolationder 3 ursprünglichenSignale 180 x₀, x₁ undx₂ durchführt. Die allgemeinen Formender Gleichungen (15), (16) und (17) lauten: Y₀ = δ·x₀ +(1 – δ)·x₁ (21) Y₂ = δ·x₂ +(1 – δ)·x₁ (22) Y₁ =x₁ – λ·(Y₀) – λ·(Y₂) (23) From the equations for the 2/3 transformation it can be seen that the 2/3 transformation is an approximate interpolation of the 3 original signals 180 x ₀ , x ₁ and x ₂ . The general forms of equations (15), (16) and (17) are: Y ₀ = δ · x ₀ + (1 - δ) x ₁ (21) Y ₂ = δ · x ₂ + (1 - δ) x ₁ (22) Y ₁ = x ₁ - λ · (Y ₀ ) - λ · (Y ₂ ) (23)
[0107] Durch Verwendung von δ = ¾ und τ = ½ erhaltenwir: Y₀ = (3/4)·x₀ +(1 – 3/4)·x₁ = (3/4)·x₀ +(1/4)·x₁ = (3/4)·{x₀ +(1/3)· x₁} Y₂ =(3/4)·x₂ +(1 – 3/4)·x₁ = (3/4)·x₂ +(1/4)·x₁ = (3/4)·{x₂ +(1/3)·x₁} Y₁ =x₁ – (1/2)·Y₀ – (1/2)·Y₂. By using δ = ¾ and τ = ½ we get: Y ₀ = (3/4) x ₀ + (1 - 3/4) x ₁ = (3/4) x ₀ + (1/4) x ₁ = (3/4) · {x ₀ + (1/3) x ₁ } Y ₂ = (3/4) x ₂ + (1 - 3/4) x ₁ = (3/4) x ₂ + (1/4) x x ₁ = (3/4) · {x ₂ + (1/3) x ₁ } Y ₁ = x ₁ - (1/2) · Y ₀ - (1/2) · Y ₂ ,
[0108] Um die ganzzahlige Verarbeitung zuerleichtern, kann der Faktor ¾ ausgelassenwerden, so daß Y₀ und Y₂ ganze Zahlenwerden. Um dies zu kompensieren, können diese Koeffizienten mitdem Faktor ¾ bei demDekodierer skaliert werden. In einer Ausführungsform kann der Skalierungsfaktor,der bei dem Dekodierungsfaktor verwendet wird, anders sein als derFak tor, der bei dieser Stufe ausgelassen wurde, um die Qualität des komprimiertenBildes weiter zu verbessern. Beispielsweise kann ein Skalierungsfaktor2/3 statt dessen beim Dekodierer verwendet werden. Um das Auslassendes Faktors ¾ beiY₀ und Y₂ zu berücksichtigen,wird zusätzlichder Detailkoeffizient Y₁ zur Kompensationangepaßt; Y₁ = x₁ – (3/8)·Y₀ – (3/8)·Y₂ .To facilitate integer processing, the factor ¾ can be omitted so that Y ₀ and Y _{2 become} integers. To compensate for this, these coefficients can be scaled by the factor ¾ in the decoder. In one embodiment, the scaling factor used in the decoding factor may be different from the factor omitted at this stage to further improve the quality of the compressed image. For example, a scaling factor 2/3 can be used instead in the decoder. In order to take into account the omission of the factor ¾ for Y ₀ and Y ₂ , the detail coefficient Y ₁ is additionally adapted for compensation; Y ₁ = x ₁ - (3/8) · Y ₀ - (3/8) · Y ₂ ,
[0109] Was die Auswahl von δ und λ angeht,ist der Grund dafür δ = ¾ auszuwählen, daß x₀ näheran Y₀ als an x₁ istund daß seinBeitrag zu Y₀ 75 % ist. Ähnliche Argumente gelten für Y₂. Y₁ kann so gewählt werden, daß es möglich ist,eine perfekte, d.h. verlustlose Wiederherstellung zu erreichen.Die Anwendung der 2/3-Transformation und ihrer entsprechenden Umkehrtransformationauf einen Datensatz mit mehreren Dimensionen oder auf verketteteWeise, wird in Übereinstimmungmit der vorherigen Erörterung,die die allgemeinen Wavelet-Transformationen betrifft, durchgeführt.As for the choice of δ and λ, the reason for choosing δ = ¾ is that x _{0 is} closer to Y ₀ than to x ₁ and that its contribution to Y _{0 is} 75%. Similar arguments apply to Y ₂ . Y ₁ can be chosen so that it is possible to achieve a perfect, ie lossless recovery. The application of the 2/3 transform and its corresponding inverse transform to a data set with multiple dimensions or in a concatenated manner is done in accordance with the previous discussion regarding general wavelet transforms.
[0110] Mit Hilfe eines zweiten Beispielseiner speziellen nichtdyadischen Wavelet-Transformation wird eine Transformationgeschaffen, die eine Darstellung des ursprünglichen Signals mit mehrerenAuflösungenfür jedeAuflösung ¾ erreicht.Diese Transformation, die im folgenden als ¾-Transformation bezeichnetwird, schafft 14 Zerlegungsniveaus von einem Bild mit 512 × 512 Pixelnim Vergleich zu 5, die von der dyadischen Wavelet-Transformationgeschaffen werden, d.h. 384 × 384,288 × 288,216 × 216,162 × 162,123 × 123,93 × 93,72 × 72,54 × 54,42 × 42,33 × 33,27 × 27,21 × 21,18 × 18und 15 × 15.With the help of a second examplea special non-dyadic wavelet transformation becomes a transformationcreated a representation of the original signal with multipleresolutionsfor everyResolution ¾ reached.This transformation, hereinafter referred to as the ¾ transformationcreates 14 levels of decomposition from a 512 x 512 pixel imagecompared to 5 by the dyadic wavelet transformbe created, i.e. 384 × 384,288 × 288,216 × 216,162 × 162,123 × 123,93 × 93,72 × 72,54 × 54,42 × 42,33 × 33,27 × 27,21 × 21,18 × 18and 15 × 15.
[0111] Mit Bezugnahme auf 12 ist die ¾-Transformation dargestellt.Ein Untersatz der anfänglichenDatenpunkte 180 ist dargestellt, der einen Teil einer Zeile,Spalte oder anderen Dimension eines großen Datensatzes umfassen kann.In einem Schritt 182 zur Berechnung von Näherungskoeffizientenkönnendie Näherungskoeffizienten 184 berechnetwerden gemäß: Y₀ =x₀ + ⎿(Y₃/6)⏌ (24) Y₁ = ⎿(x₁ + x₂)/2⏌ (25) Y₂ =x₃ + ⎿(Y₃/6)⏌ (26) With reference to 12 the ¾ transformation is shown. A subset of the initial data points 180 is shown, which may comprise part of a row, column or other dimension of a large data set. In one step 182 the approximation coefficients can be used to calculate approximation coefficients 184 are calculated according to: Y ₀ = x ₀ + ⎿ (Y ₃ / 6) ⏌ (24) Y ₁ = ⎿ (x ₁ + x ₂ ) / 2⏌ (25) Y ₂ = x ₃ + ⎿ (Y ₃ / 6) ⏌ (26)
[0112] Die Näherungskoeffizienten 184 stellendie Tiefpaßkomponentendar, die in diesem Beispiel die Näherung mit Auflösung desursprünglichenSignals darstellen. Die Hochpaßkomponente,der Detailkoeffizient 186, kann über den Schritt 188 zurBerechnung des Detailkoeffizientens berechnet werden: Y₃ =x₁ – x₂ (27) The approximation coefficients 184 represent the low-pass components, which in this example represent the approximation with resolution of the original signal. The high-pass component, the detail coefficient 186 , can step over 188 to calculate the detail coefficient: Y ₃ = x ₁ - x ₂ (27)
[0113] In diesem Beispiel sind Y₁ und Y₃ die Koeffizientender Haar-Transformation von x₁und x₂, Y₁ ist der Tiefpaßkoeffizientund Y₃ ist der Hochpaßkoeffizient. Y₀ undY₂ weisen einen Korrekturfaktor ⎿Y₃/3⏌ auf, der ⎿(x₁ – x₂)/3⏌ entspricht. Y₁ beinhaltetdie Tiefpaßinformationvon x₁ und x₂.In this example, Y ₁ and Y ₃ are the hair transform coefficients of x ₁ and x ₂ , Y ₁ is the low pass coefficient, and Y ₃ is the high pass coefficient. Y ₀ and Y ₂ have a correction factor ⎿Y ₃ / 3⏌, which corresponds to ⎿ (x ₁ - x ₂ ) / 3⏌. Y _{1 contains} the low pass information of x ₁ and x ₂ .
[0114] Der Detailkoeffizient Y₃ 186kann verwendet werden, um die ursprünglichen Datenpunkte 180 über die ¾-Umkehrtransformation,die in 13 dargestelltist, wiederherzustellen. Insbesondere wird x₂ berechnetgemäß: x₂ =Y₁ – ⎿(Y₃ + 1)/2⏌ (28) The detail coefficient Y ₃ 186 can be used to determine the original data points 180 about the ¾ inverse transformation, which in 13 is shown to restore. In particular, x _{2 is} calculated according to: x ₂ = Y ₁ - ⎿ (Y ₃ + 1) / 2⏌ (28)
[0115] Die verbleibenden ursprünglichenDatenpunkte 180 könnenwiederhergestellt werden gemäß: x₁ =Y₂ + x₂ (29) x₀ =Y₀ – ⎿Y₃/6⏌ (30) x₃ =Y₂ – ⎿Y₃/6⏌ (31).The remaining original data points 180 can be restored according to: x ₁ = Y ₂ + x ₂ (29) x ₀ = Y ₀ - ⎿Y ₃ / 6⏌ (30) x ₃ = Y ₂ - ⎿Y ₃ / 6⏌ (31) ,
[0116] Anders als für die 2/3-Transformation istkeine Skalierung erforderlich. Ebenso wie die 2/3-Transformationkann die ¾-Transformation verkettetoder differentiell zwischen Dimensionen von Datensätzen aufeine Weise angewandt werden, die ähnlich zu der für das allgemeineWavelet-Transformationmodell ist.Different than for the 2/3 transformationno scaling required. Just like the 2/3 transformationthe ¾ transformation can be chainedor differentially between dimensions of recordsa way to be applied that is similar to that for the generalWavelet transformation model is.
[0117] Die Beispiele spezieller nichtdyadischerWavelet-Transformationen, die oben angeben sind, d. h. 2/3-Transformationund die ¾-Transformationsind nicht erschöpfendfür diesenTyp nichtdyadischer Transformationen und dienen dazu, den Aufbauund die Verwendung solcher Transformationen zu veranschaulichen, Verschiedeneandere nichtdyadische Transformationen dieses Typs, die nicht zudem allgemeinen Wavelet-Transformationsmodell passen, das vorherdiskutiert wurde, könnengemäß dieserBeispiele ausgeführt werden.Wie die oben erörtertenallgemeinen Transformationen könnendie speziellen nichtdyadischen Transformationen als ein generischerCodec des Typs, der in 9 dargestelltist und mit Bezug auf 9 erörtert wird,ausgeführtwerden.The examples of special non-dyadic wavelet transformations given above, ie 2/3 transformation and the ¾-transformation are not exhaustive for this type of non-dyadic transformations and serve to illustrate the construction and use of such transformations. Various other non-dyadic transformations of this type, which do not fit the general wavelet transformation model discussed previously, can be carried out according to these examples. Like the general transformations discussed above, the special non-dyadic transformations can be considered a generic codec of the type described in 9 is shown and with reference to 9 will be discussed.
[0118] Sowohl die allgemeinen als auch diespeziellen Transformatinstechniken, die oben beschrieben wurden,weisen eine ähnlicheKomplexitätwie existierende dyadische Komprimierungsschemata auf und können daherin existierenden Bildverwaltungssystemen umgesetzt werden. Aufgrundder willkürlichenAuflösungsniveaus,die sowohl von den allgemeinen als auch den speziellen Transformationstechnikenermöglichtwerden, sind diese Techniken außerdemgut zur Verwendung überNetze geeignet, sei es Internet oder Intranet, für welche die Bandbreite begrenztsein kann und es wünschenswertist, komprimierte Bilder gemäß der Auflösung derEmpfangsdarstellungseinrichtung zu übertragen. Im Zusammenhangmit medizinischer Bildverarbeitung können die allgemeinen und speziellenTransformationstechniken im Zusammenhang mit der Teleröntgenologienützlichsein, fürwelche die Beschränkungender Netzwerkbandbreite schwerwiegend sein können. Im Zusammenhang mit der Übertragungvon komprimierten Videos oder Bildern, die mit beschränkter Bandbreite auftritt,könnendie oben beschriebenen Techniken nützlich sein.Both the general and thespecial transformin techniques described aboveexhibit a similarcomplexitylike existing dyadic compression schemes and can thereforebe implemented in existing image management systems. by virtue ofthe arbitraryResolution levels,that of both general and special transformation techniquesallowsthese techniques are alsogood for use overSuitable networks, be it internet or intranet, for which the bandwidth is limitedcan be and it is desirableis compressed images according to the resolution of theTo transmit reception display device. In connectionWith medical imaging, the general and specialTransformation techniques in connection with tele-radiologyusefulbe forwhat the restrictionsnetwork bandwidth can be severe. In connection with the transferof compressed video or images that occur with limited bandwidth,canthe techniques described above may be useful.

权利要求:
Claims (12)
[1]
1, Verfahren zur Komprimierung eines Satzes von Datenpunkten(180) mit: Zugreifen auf den Satz von Datenpunkten (180);und Anwenden einer nichtdyadischen Wavelet-Transformation (182, 188)auf den Satz von Datenpunkten (180), so daß ein ersterSatz von transformierten Daten und ein zweiter Satz von transformiertenDaten sich ergeben.1, method of compressing a set of data points ( 180 ) with: accessing the set of Data points ( 180 ); and applying a non-dyadic wavelet transform ( 182 . 188 ) on the set of data points ( 180 ) so that a first set of transformed data and a second set of transformed data result.
[2]
Verfahren nach Anspruch 1, wobei der Satz von Datenpunkten(180) entweder ein digitales Bild (100) oder eindigitales Video umfaßt.The method of claim 1, wherein the set of data points ( 180 ) either a digital image ( 100 ) or a digital video.
[3]
Verfahren nach einem vorhergehenden Anspruch, wobeider Satz von transformierten Daten einen Satz von einem oder mehrerenNäherungskoeffizienten(184) umfaßtund wobei der zweite Satz von transformierten Daten einen Satz voneinem oder mehreren Detailkoeffizienten (186) umfaßt.A method according to any preceding claim, wherein the set of transformed data is a set of one or more approximation coefficients ( 184 ) and wherein the second set of transformed data comprises a set of one or more detail coefficients ( 186 ) includes.
[4]
Verfahren nach Anspruch 3 mit: Neuordnen (138)des einen oder der mehreren Näherungskoeffizienten (184),so daß dereine oder die mehreren Näherungskoeffizienten(184) sequentiell und aneinandergrenzend sind.Method according to claim 3 with: reordering ( 138 ) of the one or more approximation coefficients ( 184 ) so that the one or more approximation coefficients ( 184 ) are sequential and contiguous.
[5]
Verfahren nach Anspruch 4 mit: Darstellen des einenoder der mehreren Näherungskoeffizienten(184).Method according to Claim 4, comprising: displaying the one or more approximation coefficients ( 184 ).
[6]
Verfahren nach einem vorhergehenden Anspruch 1, außerdem mit:Anwenden einer zweiten nichtdyadischen Wavelet- Transformation (182, 188)entweder auf den ersten Satz von transformierten Daten oder den zweitenSatz von transformierten Daten.The method of any preceding claim 1, further comprising: applying a second non-dyadic wavelet transform ( 182 . 188 ) to either the first set of transformed data or the second set of transformed data.
[7]
Verfahren nach Anspruch 6, wobei die zweite nichtdyadischeWavelet-Transformation (182, 188) die gleichewie die nichtdyadische Wavelet-Transformation (182, 188)ist.The method of claim 6, wherein the second non-dyadic wavelet transform ( 182 . 188 ) the same as the non-dyadic wavelet transform ( 182 . 188 ) is.
[8]
Bildverwaltungssystem (10) mit: einemoder mehreren Datei-Servern (18), die eingerichtet sind,um eine oder mehrere Dateien (50) zumindest entweder voneiner oder mehreren Eingabe-Ausgabe-Schnittstellen (19), einemoder mehreren Bildverarbeitungssystemen (12, 14, 16),einem oder mehreren Bildspeicherungssystemen (30) odereinem oder mehreren entlegenen Clients (22, 34 ,36, 38)zu empfangen und dahin zu übertragen;und einem Codec (152), der eingerichtet ist, um dieDateien (50) zu verarbeiten, wobei der Codec (152)aufweist: einen Kodierer (154), der eingerichtet ist, umauf einen Satz von Datenpunkten (180) zuzugreifen und eine nichtdyadischeWavelet-Transformation (182, 188) auf den Satzvon Datenpunkten (180) anzuwenden, so daß sich einerster Satz von transformierten Daten und ein zweiter Satz von transformiertenDaten ergeben; und einen Dekoder (156), der eingerichtetist, um eine nichtdyadische Wavelet-Umkehrtransformation auf derersten Satz von transformierten Daten und den zweiten Satz von transformiertenDaten anzuwenden, so daß der Satzvon Datenpunkten (180) wiederhergestellt wird.Image management system ( 10 ) with: one or more file servers ( 18 ) that are set up to hold one or more files ( 50 ) at least either from one or more input-output interfaces ( 19 ), one or more image processing systems ( 12 . 14 . 16 ), one or more image storage systems ( 30 ) or one or more remote clients ( 22 . 34 . 36 . 38 ) to receive and to transmit there; and a codec ( 152 ), which is set up to save the files ( 50 ) to process, whereby the codec ( 152 ) has: an encoder ( 154 ), which is set up to access a set of data points ( 180 ) and a non-dyadic wavelet transform ( 182 . 188 ) on the set of data points ( 180 ) apply so that a first set of transformed data and a second set of transformed data result; and a decoder ( 156 ), which is set up to apply a non-dyadic wavelet inverse transform to the first set of transformed data and the second set of transformed data so that the set of data points ( 180 ) is restored.
[9]
Bildverarbeitungssystem (10) nach Anspruch8, wobei sich sowohl der Kodierer (154) als auch der Dekodierer(156) bei einem oder mehreren Datei-Servern (18),bei einer oder mehreren Eingabe-Ausgabeschnittstellen (19),bei einem oder mehreren Bildverabeitungssystemen (12, 14, 16),bei einem oder mehreren Bildspeicherungssystemen (30) undbei einem oder mehreren entlegenen Clients (12, 34, 36, 38)befinden.Image processing system ( 10 ) according to claim 8, wherein both the encoder ( 154 ) as well as the decoder ( 156 ) with one or more file servers ( 18 ), with one or more input-output interfaces ( 19 ), with one or more image processing systems ( 12 . 14 . 16 ), with one or more image storage systems ( 30 ) and one or more remote clients ( 12 . 34 . 36 . 38 ) are located.
[10]
Bildverwaltungssystem (10) nach Anspruch8, wobei sich der Kodierer (154) und der Dekodierer (156) voneinanderentfernt befinden.Image management system ( 10 ) according to claim 8, wherein the encoder ( 154 ) and the decoder ( 156 ) are apart.
[11]
Bildverwaltungssystem (10) nach Anspruch8, wobei der erste Satz von transformierten Daten einen Satz voneinem oder mehreren Näherungskoeffzienten(184) umfaßt,und der zweite Satz von transformierten Daten einen Satz von einemoder mehreren Detailkoeffizienten (186) umfaßt.Image management system ( 10 ) according to claim 8, wherein the first set of transformed data is a set of one or more approximation coefficients ( 184 ), and the second set of transformed data comprises a set of one or more detail coefficients ( 186 ) includes.
[12]
Bildverwaltungssystem (10) nach Anspruch11, wobei der Kodierer (154) außerdem eingerichtet ist, um dieNäherungskoeffizienten(184) neuzuordnen, so daß Näherungskoeffizienten (184)sequentiell und aneinandergrenzend sind.Image management system ( 10 ) according to claim 11, wherein the encoder ( 154 ) is also set up to approximate the coefficients ( 184 ) so that approximation coefficients ( 184 ) are sequential and contiguous.

类似技术:

---

公开号 | 公开日 | 专利标题

---

Erickson2002|Irreversible compression of medical images

---

US7376279B2|2008-05-20|Three-dimensional image streaming system and method for medical images

---

US6985632B2|2006-01-10|Image processing system, image processing apparatus, and image processing method

---

US6633674B1|2003-10-14|Picture archiving and communication system employing improved data compression

---

Chen2007|Medical image compression using DCT-based subband decomposition and modified SPIHT data organization

---

US7260264B2|2007-08-21|Transcoding of data

---

EP0817496B1|2006-03-15|Verfahren und Anordnung zur Reduktion von Blockartefakten in codierten Bildern

---

DE69722601T2|2004-05-13|DATA COMPRESSION WITH HYBRID LOSS ENTROPY CODING FROM RUN-LENGTH CODES

---

US6349330B1|2002-02-19|Method and appparatus for generating a compact post-diagnostic case record for browsing and diagnostic viewing

---

AU757948B2|2003-03-13|Image compression method

---

DE69627982T2|2004-03-11|Signal adaptive post-processing system to reduce blocking effects and ring interference

---

US6643406B1|2003-11-04|Method and apparatus for performing linear filtering in wavelet based domain

---

US7421136B2|2008-09-02|Image tessellation for region-specific coefficient access

---

DE19861377B4|2011-06-30|An improved compression and decompression system with reversible wavelets and lossy reconstruction

---

US20030156745A1|2003-08-21|Image based medical report system on a network

---

US20030113027A1|2003-06-19|Digital image compression

---

DE102005001681B4|2007-10-11|Method for determining acquisition parameters for a medical tomography device and associated device

---

DE69825692T2|2005-08-25|Apparatus for making a recording medium with audio code images

---

US7602950B2|2009-10-13|Medical system architecture for interactive transfer and progressive representation of compressed image data

---

US7236637B2|2007-06-26|Method and apparatus for transmission and display of a compressed digitized image

---

DE60308255T2|2006-12-28|2D transformations for image and video coding

---

US6925208B1|2005-08-02|Methods and apparatus for partitioning transform data

---

US6792153B1|2004-09-14|Image processing method and apparatus, and storage medium

---

US20040161139A1|2004-08-19|Image data navigation method and apparatus

---

US20070269117A1|2007-11-22|Image data set compression based on viewing parameters for storing medical image data from multidimensional data sets, related systems, methods and computer products

同族专利:

---

公开号 | 公开日

---

US20040136602A1|2004-07-15|

---

JP2004260801A|2004-09-16|

引用文献:

---

公开号 | 申请日 | 公开日 | 申请人 | 专利标题

---

法律状态:
2008-11-20| 8139| Disposal/non-payment of the annual fee|

优先权:

---

申请号 | 申请日 | 专利标题

---