随着多媒体技术的不断发展,数字图像和视频数据呈海量增长。很多包含图像、视频数据的文件经常需要在不同用户和系统间互相交换,这就需要用有效的方法来存储及传递这些大量文件。压缩是其中不可回避的关键技术,因此对图像编码技术的要求也越来越高。有损压缩方法虽然能够获得较高的压缩比,但因缺乏完全恢复原始图像能力,导致医学图像中有用的细节信息丢失而带来诊断上的困难或法律上的纠纷。因此,医学图像压缩编码算法主要集中在对无损压缩技术的研究。小波理论是近年发展起来的新的数学分支,因其良好的空间-频率局部特性和与人眼视觉特性相符的变换机制,成为当前图像压缩编码的主要研究方向之一。该方法是继傅立叶变换和离散余弦变换后的一种新的图像压缩算法,它将图像分解成为与人类视觉特性相匹配的不同分辨率、不同方向特性的子带,并将能量集中于某些子带,利于编码,且对整幅图进行变换,比传统余弦变换编码有很大提高。传统的基于小波变换的图像压缩编码中,变换后的小波系数是浮点型的,量化过程中由于计算机的浮点舍入误差运算必然产生不同程度的失真,因此不能直接用于图像的无损重构。1994年,Sweldens提出了一种新的小波构造方法——提升方法。这种小波变换构造方法继承了传统小波变换的多分辨率的特点,不依赖于傅里叶变换,小波变换后的系数是整数。Sweldens已经证明在提升的基础上可以进行整数集到整数集的小波变换,从而可以实现图像的无损压缩。许多学者在利用小波变换进行图像压缩方面做了大量工作,并取得了相当大的成果,其中Shaprio的嵌入式零树小波(EZW)编码方法、SPIHT算法等都是最有影响的小波图像编码法。1993年,J.M.Shapiro利用小波系数之间的自相关性,提出了嵌入式零树编码算法(Embedded Zerotree Wavelet, EZW)。EZW有很好的均方误差性能,适中的复杂度和嵌入式位流,引起了压缩研究界的兴趣。1996年,由A.Said和W.A.Pearlman提出的多级树集合分裂算法(Set Partitioning in Hierarchical Tree, SPIHT)是对EZW算法的改进,但是具有更高的压缩效率,在相同比特率下,即使不需要熵编码环节,SPIHT也总能取得优于EZW的量化性能。SPIHT被称为第二代嵌入式图像编码,嵌入式编码的基本原理是编码器将待编码的比特流按重要性的不同进行排序,根据目标码率和失真度的要求,通过监视编码的一些参数,随时可以截断比特流,结束编码；同样,对于给定码流解码器也能够随时结束解码,并可以得到相应重建图像。与传统的基于DCT的图像编码相比,能有效地克服块效应,即使在低比特率时也能够恢复出较好的图像,所以嵌入式编码在网络、无线传输中有广泛的应用前景。四维医学图像(Four Dimensional Medical Images)是由三维医学图像(体数据,Volumn Data)按时间顺序排列而成的,即在三维断层成像坐标基础上再增加一维时间变量,它产生于各类大型数字化医疗成像设备,如64排CT、fMRI、PET、3-D超声和C型臂数字减影机等。4D医学图像为临床医学提供了立体、动态、纵深等多层面全方位的影像诊断模式。它在治疗过程规划、辅助心血管介入外科手术(DSA)及大脑活动功能的定量分析(fMRI)等领域上发挥重要作用。虽然计算机存贮硬件设备性价比不断提高和网络通信带宽不断加大,但是4D医学图像数据量仍呈指数型增长,因此,如何全面而高效地利用有限存储空间与网络通信带宽仍依赖于医学图像压缩方法研究。本文在3D-SPIHT编码的基础上,提出基于不对称小波树的分方向4D-SPIHT编码算法,通过构造4维不对称小波树结构,使得每一维上的小波分解级数可以灵活选择；根据小波树特点,将各小波频带按方向独立进行SPIHT编码,从而加快编码速度。实验结果表明,该算法能较有效地去除三维体数据之间的相关性,在不明显增加算法复杂度的基础上,提高压缩性能和编码效率。在实际应用中,有时人们往往对图像中的某些部分感兴趣,它们一般对应于图像中特定的、具有独特性质的区域,这些区域常称为前景或感兴趣区域(Region of Interest, ROI),其余部分称为背景(Back Ground, BG)。医学图像中的病灶区通常称为感兴趣区。如果能根据观察者对图像中某一特定区域的内容感兴趣程度的高低,将感兴趣区域和非感兴趣区域区别对待,以获取不同的压缩效果,达到减少总数据量的目的。这样既可以节省网络带宽资源和存储空间,又能最大限度地满足观察者对图像质量的要求。在这种背景下,ROI区域优先的图像压缩算法应运而生。目前对ROI的图像压缩主要基于JPEG2000中提出了两种算法：最大平移法(Max Shift)和比例移位法(Scaling-based Shift),将有限的码率优先分配给图像感兴趣区域,提高图像的主观感受质量。要实现基于感兴趣区域的图像压缩,首先要将感兴趣区域分割出来。图像压缩中的分割算法目的不是为了确认或分析图像特征,而是将图像中具有相似性的像素集合起来构成一个区域。将一幅图像分割成几个区域后,再根据对每一区域感兴趣程度的高低实现不同处理。为了实现这一目的,本文提出了一种基于感兴趣区域的SPIHT无损压缩。基本思想是：首先用区域生长法对图像进行分割,分割后得到索引表、误差表和种子高位信息表；再对索引表进行算术编码,对误差表进行SPIHT编码。实验结果表明,引入区域分割后一定程度上影响了图像的压缩效果,但是可以实现感兴趣区域的提取,达到块压缩和块恢复的功能。