一种基于小波变换及数学形态学方法的眼底图像增强及定量分析方法

目的：自动增强与分析眼底图像血管改变的细微变化,使得视网膜动脉硬化的分级定量化、客观化及精确化。方法：１．对图像进行二维双正交小波正变换。２．对高频子带图像采用ＬＬＭＭＳＥ算法进行自适应滤波。３．对重构的低频子带图像ＬＬ１采用数学形态学的滚动球算法进行背景去除,然后进行对比度提升。４．图像重构。５．定量分析增强后的眼底图像在动静脉交叉（Ａ－Ｖ）处的细微变化。结果：本文方法对均匀区的噪声抑制,保持边沿（管径基本不变）及增强各种细节都有良好的效果。眼底血管图像经快速增强后的定量分析结果表明具有显著性,可为视网膜动脉硬化各级的定量划分提供依据,临床意义显著。     

使用Radon变换进行二维MRI图像配准

使用了一种基于Radon变换的技术来进行二维的MRI图像配准。MRI的图像配准一般使用灰度配准,而Radon变换一般用于CT图像的重建,虽然现已经存在使用Radon变换进行图像配准,但是比较繁琐,我们对这一配准算法进行了简化。     

应用小波变换检测细胞显微荧光图像中的囊泡

文章提出了一种用小波变换来检测生物荧光图像中囊泡的方法。作者用à trous小波对图像进行小波变换,然后求出每层系数的中值绝对偏差σ,并用t=kσ/0.67作为阈值对每层系数进行门限滤波,然后通过提取小波变换系数来重构图像。通过设计实验与常用的“rolling ball”算法对比,发现小波变换算法在低信噪比的情况下,具有更好的灵敏度;对于形状大小不同的信号,具有更好的稳定性;而且对于信号的细节信息具有更好的保真性。     

一种显微图像的拼接方法

描述了一种显微图像拼接的方法,共包括特征检测、特征匹配、空间坐标转换和图像混合等四个步骤。实验结果显示本方法对重叠面积在50％以上的显微图像,能够进行拼接并且都没有出现明显的缝隙、错位、变形、图像模糊、图像重影等错误。     

基于小波变换的医学图像编码方法

高分辨率的医学图像具有很大的信息量,影响了整个数字化的远程医疗系统的实时性,因此必须在保证不丢失关键诊断信息的前提下,对医学图像进行必要的压缩。本文提出了在给定小波基下,基于二维小波分解和重构的快速压缩方法。该方法使用了向量量化技术并采用LBG算法设计码本。实验结果证明,采用该方法可获得较高的压缩比和符合诊断要求的压缩图像。     

基于空间小波变换的生态地理界线识别与定位

为了提高生态地理分界线识别和定位的客观性,探讨了通过空间小波变换获取多尺度模极大值定位过渡带的方法.以NDVI和降水作为小波多尺度分解的对象,应用db3小波核函数分别对49条样带的模极大值进行了多尺度检测,并在GIS中确定其地理坐标.研究结果表明:识别半干旱半湿润生态地理分界线的最佳空间尺度为20～40 km,小于这一尺度定位过程容易受到局部地表覆被因素如城市区域或地形的影响,大于这一尺度由于要素被过度平滑,造成定位不准;从定位点的聚集度分析,NDVI的定位效果好于降水,特别是在较大空间尺度上.而与综合自然地理区划方案中的半干旱半湿润分界线比较,从定位点的方向性、平均最短距离以及均衡度三项指标综合判断,小波变换对于降水过渡带的定位优于对NDVI的定位.研究证实,空间小变换与GIS结合是提高生态地理分界线识别与定位科学性的重要途径,是对专家系统划分界线方法的有力补充和完善.     

基于小波变换的心肌梗塞体表电位特征分析

小波变换已被很多心电学者用于ＥＣＧ信号的特征分析检测,在虚拟心脏基础上,选取合适的小波,对心肌梗塞的仿真体表电位进行小波变换细节分量处理,提出了一种新的体表电位形态特征的分析方法。结果表明,基于小波变换处理后体表电位图可以更地提示不同部位心肌在体表电位分布的特征,其表征出的拓扑形态对体表电位和虚拟心脏方法用于心肌梗塞临床诊断提供了一种新的途径。     

基于小波变换心电信号消噪方法研究

小波变换是近年来兴起的热门信号处理技术,是一种非常有用的信号处理工具。本文阐述了连续小波去噪和离散小波去噪的原理,分析了基于小波去噪的几种不同方法（其中包括小波分解与重构,小波变换阈值法,小波变换模极大值法,以及它与独立分量分析相结合去除噪声的方法等）。通过检测和验证,表明该方法能较好的实现心电信号的消噪,都取得了较好的效果;同时,比较了每种方法的不足和缺陷。基于小波变换心电信号消噪的研究进展较快,通过多种方法结合运用进行消噪并取得了很好的效果,展望了利用基于小波变换心电信号消噪的前景。     

心音信号噪声消除的小波变换方法

心音信号幅值小,干扰多,采用常规的时、频域滤波方法往往不能收到良好的效果,本文根据信号和干扰在小波变换下的不同变化特性,利用二进小波变换的模极大值识别出心音信号中的干扰噪声的位置,剔除其相应的小波变换系数后,再通过小波逆变换重构出心音信号,并根据心音信号的特点选取了适当的母小波和分解尺度,给出了利用小波方法去噪前后的实际结果,结果表明,小波变换方法可有效地消除心音信号中的噪声干扰。     

基于小波变换的QRS综合波的检测

本文描述了基于二进制小波变换（DyWT),ECG信号中QRS综合波的检测。设计－小波它适合于QRS检测,将基于心电信号的特殊的特征的特征为小波的尺度。DyWT较之其它方法最基本的优点为强有力的抑制噪声检测以及在分析随时间变化ECG波形时的灵活性。     

基于EMD和小波变换的运动分析

运动分析是视觉信息加工中的一个重要问题。本文利用Ｒｅｉｃｈａｒｄｔ的相关型初级运动检测器（ＥＭＤ）二维阵列可以有效地进行图象－背景相对运动分辨的特点,以及小波变换的频谱分析特性与人类视觉多频率通道特性相类似的性质,将ＥＭＤ模型、小波变换和图象的塔式结构处理有机地结合起来,提出了一种类似视觉信息加工方式的新的运动分析算法。计算机仿真结果表明,算法能够较好地模拟视觉运动检测的功能,与Ｈｏｒｎ＆Ｓｃｈｕｎｃｋ算法［１］相比,提高了运动估计的速度与精度。     

基于小波变换的单次诱发电位信号时频分析

比较小波变换和平均叠加两种方法提取“模拟自然阅读”刺激模式下的诱发脑电信号,分析其时频特性,并进行脑功能源分布定位分析。结果显示,采用平均叠加法来提取和分析诱发电位信号,损失了某些重要的诱发电位成分,且其功能源分布定位反映的只是等效功能源的静态过程;而使用小波变换和脑功能源定位来提取和分析单次诱发电位信号,既能观察到丰富的诱发电位成分,又能反映脑功能源的实时动态活动过程。这表明,小波变换下的时频分析是脑电信号处理的一种可行的新方法。     

共聚焦激光检眼镜下眼底图像的非特征配准约束模型研究

研究共聚焦激光检眼镜下不基于特征提取的眼底图像自动配准方法中的运动约束模型,从成像机理上分析共聚焦激光检眼镜下图像对间的运动模式,并分析比较多种实际全局运动模型约束下的配准精度和效率,进而给出一种由粗到细的复合约束模型对眼底图像进行配准。实验结果证实了该模型效果良好。     

基于小波神经网络的图像去噪算法

生物医学图像在成像时不可避免地受到噪声影响,因此噪声去除是生物医学图像处理的一项重要研究课题。将小波神经网络引入图像去噪领域中,通过多种技术优化网络学习过程,最终建立一种图像去噪新算法。实验结果表明,该算法在去除噪声上优于传统的中值滤波等方法,并具有较强的鲁棒性;同时能够最大限度地保护图像的细节信息,具有很好的保真度。     

基于初级视觉皮层的图像匹配模型

提出一种基于初级视觉皮层的图像匹配模型。该模型只采用方位选择性细胞和皮层内有限范围水平连接等Ｖ１基本单元,它以链码表示的目标轮廓作为知识,允许该知识以时间脉冲的形式控制Ｖ１区内神经细胞的动态活动,使与知识轮廓形状相符合的轮廓内的细胞,逐步进入并维持在兴奋状态,最终实现对视野中特定目标轮廓的提取