基于小波变换纹理分析的医学图像检索

根据医学图像的特点．提出了一种基于哈尔小波变换纹理分析的图像检索方法．并与基于共生矩阵的纹理识别方法进行比较和分析。据此．实现了一个图像检索原型系统。实验证明．本方法具有良好的检索效果。     

基于振型小波变换的铁路桥墩损伤识别研究

利用模态振型和小波变换对铁路桥墩损伤识别进行了研究,并通过数值模拟对该方法进行了验证。研究结果表明:利用低阶模态振型的小波变换能够对铁路桥墩的损伤进行定位,适当尺度上的低阶模态振型及模态振型差的小波变换对单一位置及多位置损伤识别均较有效,且可对损伤程度进行估计。     

CT与MRI医学图像小波变换融合算法的对比研究

目的 分析不同小波变换融合算法的有效性.方法 采集CT和MRI同一切面图像,运用基于小波变换模极大值特征的影像融合和基于多小波系数最大值融合的方法进行图像融合.以熵、交叉熵,融合均匀度对融合图像进行评价.结果 A组熵4.61±0.20,交叉熵0.21±0.02,融合均匀度0.085±0.002 4;B组熵4.85±0.11,交叉熵0.23±0.01,融合均匀度0.076±0.001 3.A组和B组的融合效果明显高于CT和MRI结果,差异有统计学意义(P＜0.05).结论 基于多小波系数最大值融合的方法较基于小波变换模极大值特征的影像融合方法更有效,值得临床推广.     

小波变换在心电图特征点识别中的应用

利用小波变换的方法对心电图特征点进行检测.对心电信号的特征点与其小波变换后的模极大值对之间的关系进行了阐述.通过对结果的分析展望了小波变换的方法在心电图特征点识别中的应用前景.     

基于希尔伯特-黄变换和提升小波包相结合的心音信号识别研究

目的：研究基于希尔伯特-黄变换和提升小波包相结合的方法对正常和异常心音信号识别的效果。方法：首先用DB6小波对心音信号进行降噪处理,然后用希尔伯特-黄变换分析提取心音信号的时域、频域特征值,再通过自适应提升小波包提取信号的频带能量特征值,最后通过支持向量机对心音信号进行分类识别。结果：对临床采集的240例异常心音和正常心音进行实验,正确识别率达到97.2%,且运算速度很快。结论：希尔伯特-黄变换和自适应提升小波包相结合的方法可有效识别正常和各种异常的心音信号,值得推广应用。     

基于小波变换的病灶心音信号识别

心音信号分析在无创诊断心血管疾病中发挥着重要作用,病灶心音信号中包含大量的心脏疾病信息。本文根据心音信号频率分布的特点,采用小波变换算法,在不同的尺度上对心音信号进行提取分析,将不同尺度的高频部分进行重构,分别计算其能量,再对比正常心音在相应尺度上的能量分布,通过仿真可实现对病灶信号的识别。本文方法能够准确识别病灶信号,由于较少采用复杂度高的算法方法,因而具有较高的检测效率。     

一种基于小波变换的脑电信号癫痫特征波的识别算法

目的通过选取小波变换的多尺度特性算法,能够快速而准确的从脑电图信号中识别癫痫特征波。方法确定癫痫脑电的3种特定的病态波形,选取小波变换的多尺度特性算法,分析处理16导标准脑电信号。结果分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断;在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位。结论小波变换的多尺度特性算法可以实现对癫痫脑电信号特征波的自动检测和病灶定位,有助于临床诊断和筛查癫痫。     

运动心电信号特征提取的小波变换方法

介绍了小波变换的基本原理以及基于高斯型函数的一阶导数的二进小波变换的算法,并在运动心电信号特征参数的识别中应用该小波变换方法,研究表明小波变换方法对于消除运动心电信号中基线漂移和噪声的效果是十分明显的,这为进一步研究运动心电信号的特征识别提供了新的途径。     

CR医学图像的小波阈值去噪算法研究

提出一种CR医学图像的小波阈值去噪算法．对含噪图像进行小波分解得到图像的小波系数，采用文中提出的阈值算法对系数进行去噪处理，根据处理后的系数重建CR图像。实验结果表明该方法能有效的去除CR图像的噪声．较好的保留医学诊断所需要的图像细节。     

基于主成分分析和双树复小波变换的CT和MRI图像融合改进算法研究

目的:提出一种级联主成分分析(PCA)与双树复小波变换(DTCWT)的CT和MRI图像融合新算法,以获得高质量的CT和MRI融合图像.方法:基于级联PCA与DTCWT的融合算法采用非抽样小波变换(UDWT),将已配准的CT和MRI图像分解成为不同尺度的低频和高频子图像;采用PCA融合规则和UDWT逆变换,获得初次融合子...     

基于小波变换的多分辨率CT/MRI图像配准

本文以仿射模型为基础将区域配准问题转化成优化问题,然后给出小波金字塔分解用于配准的一般框架,并与常规金字塔分解法进行了分析比较;针对配准过程的多变量非线性优化问题,结合混沌理论和遗传算法提出了改进的全局优化的混沌遗传算法。这种算法将混沌序列嵌入标准遗传算法,对标准遗传算法的个体进行混沌化处理,利用混沌的遍历特性来改进遗传算法的鲁棒性。     

基于小波变换的磁共振图像增强

磁共振成像技术能在体外对疾病进行无损和无创伤检测,但其图像极易被噪声污染,有必要进行增强处理。本文对小波变换进行了介绍,重点分析其在图像增强处理方面的优点,并给出具体的算法实现步骤。最后给出了本算法用于磁共振图像增强的实例,对结果进行了讨论和展望。     

基于小波变换的QRS波检测方法研究

目的：针对没有预先处理的心电图信号中QRS复合波的检测,提出一种基于小波变换的检测方法。方法：采用3种不同性质的小波为母小波对来自国际上广泛承认的心电数据库MIT—BIH Arrhythmia Database中的记录进行小波变换．选取了灵敏度更高的高斯函数一阶小波作为小波函数,并采用时频域相结合的分析方法,检测出QRS突变点。结果：在完全没有预处理的情况下,采用该方法对MIT—BIH Arrhythmia Database中的11幅30min的心电图信号进行验证,结果表明能较为准确、快速的检测出QRS波。结论：该QRS波检测方法能很好地满足实时心电检测系统的需要．具有较好的应用前景。     

基于小波变换的QRS波实时检测方法与实现

给出了一种基于小波变换的QRS波检测方法,采用MIT-BIH数据库进行验证,准确率达到99.5%.然后,将该方法移植到嵌入式系统上,实现了心电信号的实时检测.该方法具有延迟少,计算量小等优势,有良好的应用前景.     

小波变换在医学图像处理中的应用

本文介绍了小波变换的定义和类型,重点提出小波变换在医学图像处理中的优势和典型应用。指出了小波工具和医学图像处理结合必能提高医学图像质量。     

基于小波变换的医学图像噪声滤除方法的研究

目的：研究一种基于小渡变换的医学图像噪声滤除方法，并比较不同小波函数的去噪效果。方法：提出了一种利用小渡局部系数改进的软阂值方法。首先,应用小波变换得到图像的局部模极值分布Mj,m,n^ψ然后．计算小渡变换的M模极大值，根据局部模极值分布的统计特性来设定一个阈值门限Tm：当小渡变换的模极值大于等于阈值门限Tm时，其对应的小波系数保持不变：当小渡变换的模极值小于阈值门限Tm时，其对应的小渡系数通过软闽值法进行计算。最后,根据这两部分的小渡系数进行小波逆变换重构图像。结果：所提出的方法能有效地滤除医学图像中的噪声，不同小波的噪声滤除效果有一定的差异。结论：选择合适的小渡基函数来对图像进行小渡多尺度分解．可以得到比较完善的小渡阈值去噪算法．达到比较理想的去噪效果．     

小波变换在钙火花图像滤噪处理中的应用研究

目的：在用激光扫描共聚焦显微镜研究肌兴奋收缩偶联时,肌浆网中的钙释放（即钙火花）现象中,图像噪声的存在使图像信噪比下降．直接导致钙火花图像的某些特征细节淹没在图像噪声中而难以被辨识,进而影响对钙火花图像的识别、分析和分类,因此,减少噪声对图像的影响成了钙火花研究工作的关键。方法：依据小波变换算法（Wavelet Transform,WT）,自研软件对捕获到的钙火花图像进行分析及滤噪处理。结果：对实验获得的80余幅钙火花图像进行滤噪处理,获得了很好的效果,均可以较理想地去除噪声,增强了钙火花图像的信噪比。结论：该研究方法明显提高了钙火花检测结果的直观性,进而可以更清晰地分析研究钙火花的形态参数。     

小波变换在微弱生命信号处理中的应用

小波变换是时间和频率的局部变换,它在多领域的研究都取得了有科学意义和应用价值的成果。本文对小波变换作了简要介绍,对小波变换在微弱生命信号中的应用进行了初步探讨。     

基于平稳小波变换的自适应心电信号去噪方法

针对小波变换的阀值去噪在心电信号消噪中的缺陷,提出将平稳小波变换和自适应滤波方法相结合的心电信号消噪方法。平稳小波变换有效地抑制了传统离散正交小波变换易产生Gibbs振荡现象。在高尺度的平稳小波分解系数中引入了自适应滤波,既消除了基线漂移噪声,又较好的保持了心电信号的低频低幅的P波、T波及ST段波的形态。这对于进一步分析心电信号的其他特征信息具有重要作用。