造影血管边缘的B—立方样条平滑变换的多尺度检测方法

本文讨论了利用Ｂ－样条函数的平滑样条变换，实现多尺度检测血管造影图象边缘的方法。通过调整Ｂ－样条函数逼近表示血管造影图象的正规化参数，去除低于这参数尺度的细节噪声，再利用Ｂ－样条函数反变换提取血管的边缘，本文的结果表明，在相当大的正规化参数范围内，可以在有效的去除不需要的细节噪声的同时，能很好地保证提取的血管边缘的精度。与传统的高斯滤波比较，该方法的滤波带宽灵活可调，易于实现的递推算法。     

基于非参数自适应密度估计理论的医学超声图像去噪方法

在小波变换域中去除图像中的噪声是近年来的研究热点之一。目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用。但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求。为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birg-éMassart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法。实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高。     

生物医学模拟曲线的再生分析

为了更好利用已经积累的各种医学信息，本文讨论了一种利用Ｂ－样条平滑变换和图象边缘轮廓跟踪法识别坐标纸上曲线的方法，该方法在相当大的正规化参数范围内，可以在有 的去除不需要的细节噪声的同时，能很好地保证提取的曲线精度，为自理生物医学信号提供了新的有效手段，具有很好的应用前景。     

基于改进小波边缘检测算法的视网膜血管宽度测量

背景:眼底荧光血管造影可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的:通过分析视网膜血管的特点和小波边缘检测算法的优缺点,对小波边缘检测算法进行改进,并利用该算法对视网膜血管进行边缘检测与宽度测量。方法:首先由样条函数构造样条小波,由此得到小波滤波系数。根据改进的小波边缘检测方法得到眼底荧光图像的血管初始边缘,利用边缘细化算法对初始边缘进行细化,基于分形技术对细化后的边缘进行连接,由噪声去除算法消除边缘图像中的噪声点,得到连续的单象素点血管边缘。通过两条边缘之间垂直线上的象素点数,得到血管的实际内径。结果与结论:文章使用的方法较好的解决了传统方法边缘细节和噪声太多的问题,具有更好的边缘连续性和更少的过检测点。将其应用于视网膜血管宽度的测量之中,诊断结果与实际情况较为接近,可以为眼科医生的临床诊断提供较大帮助。     

基于小波软阈值滤波的医学图像去噪

目的:为了更好的去除DR医学图像噪声.方法:通过分析其噪声来源,在小波去噪的基础上进行改进.引入方差不变性变换来调整原始图像的噪声模型为高斯噪声模型.图像分解为不同频率的不同子带的小波系数,分别进行不同阈值的滤波.结果:与普通的全局小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比.结论:用此方法处理DR图像在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波全局阈值滤波等方法效果要好.     

一种新的超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。现有的用于斑点噪声抑制的自适应滤波方法,小波软阈值方法及小波域内细节抛弃法在去除噪声的同时,不同程度地丢失了一些图像细节。针对这一问题。本文提出了一种新的结合自适应中值滤波和小波软阈值处理的超声图像斑点噪声抑制方法。对计算机仿真图像及超声图像进行处理的结果表明,本文提出的新方法在有效去除斑点噪声的同时,很好地保留了图像的细节,优于上述的其他方法。     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

基于MATLAB的锥形束CT图像去噪研究

目的:锥形束CT既是一种全新的CT成像技术,也是图像引导下放射治疗系统的关键设备。针对锥形束CT图像的低对比度,散射伪影较大的缺陷,在MATLAB平台上对CBCT去噪方法进行研究和探讨,以寻找合适的锥形束CT去噪方法。方法:首先应用不同去噪方法,如邻域平滑,中值滤波,小波去噪方法等;再应用Contourlet变换进行锥形束CT去噪,设计不同的拉普拉斯塔式滤波器和二维方向滤波器组,寻找最优的滤波器组合;Contourlet变换是一种新的图像二维表示方法,具有多分辨率,局部定位,多方向性和近邻界采样和各向异性等性质。利用Contourlet变换在处理图像几何结构方面的优点,提取图像中边缘连续特征,来区别噪声和边缘,从而增强图像边缘和细节信息,同时抑制噪声。比较常规去噪,小波去噪,Contourlet去噪和不同滤波器组合去噪效果。结果:结合头部,胸部,盆腔各10组临床图像进行去噪效果统计和分析,表明小波阈值量化法和Contourlet法在锥形束CT图像去噪上各有优势,在Contourlet法中,滤波器组合"pkva8"和"9-7"的去噪效果最好。结论:Contourlet去噪方法和小波阈值量化法都比空间邻域平滑法,中值滤波法和普通小波去噪法有优势。而Contourlet去噪方法更能有效改进CBCT图像质量,特别是胸部图像质量的改善。     

医学设备远程监控图像变换尺度精准去噪方法

目的 为了提高医学设备远程监控图像的去噪效果,针对去噪准确度较差和去噪时间较长的问题,设计一种医学设备远程监控图像变换尺度精准去噪方法。方法 首先建立噪声的变化曲线模型,评估出噪声高等级区域进行针对性的降噪;然后采用小波算法去除图像冗余像素点,引入变换尺度阈值,优化医学设备远程监控图像去噪过程;最后采用去除模糊边缘法分割未成像图片,二次提取模糊图像中的主要像素,实现医学设备远程监控图像变换尺度精准去噪。结果 信息熵值高于21 H,处理过的图像较为清晰,图像信噪比高于21 dB,去噪时间低于4 min。结论 针对医学设备远程监控图像中具有多尺度特征的噪声,采用图像变换尺度精准去噪方法可以有效去除噪声,满足医学领域的实际去噪需求。     

一种基于无抽样方向滤波器组的抑制噪声的医学图像增强算法

目的:针对传统的图像增强算法中存在弱边缘增强效果差、同时噪声抑制较弱等问题,本文提出的一种无抽样方向滤波器组,并将其用在医学图像增强中.方法:首先,将一维低通滤波器转换成二维低通滤波器,此滤波器再经平移、旋转等操作得到其他多方向无抽样频域滤波器,并将各频域滤波器转化成空间模板,便于使用;其次,将多尺度分析方法与无抽样方向滤波器组结合对图像进行分解得到各子带图像,对各子带图像进行统计特性分析,确定图像的强边缘、弱边缘和噪声;最后,对此三类信息不同的线性变换分别进行处理,获得增强后的图像.结果:由于无抽样方向滤波器能够较好的捕获图像的方向信息,多尺度分析能够较好区分不同的边缘信息,所以该方法的结果很好的保护了图像的边缘及细节.同时有效的去除了图像的噪声,层次结构清晰,视觉效果有了显著改善.结论:将无抽样方向滤波器与多尺度分析结合,并根据不同纹理信息的特点,对各类信息采用不同的处理,是一种行之有效的图像增强方法.     

应用连续小波变换检测和增强DSA血管影像的研究

数字血管减影的影像中的血管像具有对比度低的特点。本文用一种全新的思想实现DSA影像中血管像的增强,即先应用小波变换技术检测血管边缘,使其从背景中分离出来,再应用对比度拉伸的方法进一步增强血管同背景的对比度,由于本文使用的连续小波变换可从不同方向上检测影像灰度变化情况,所以检测到的影像边缘更准确全面,而且由于噪声的小波变换的模较小,较好地抑制了减影像中的背景噪音,处理后的血管影像具有三维实体的视觉效果。     

The Single Training Sample Extraction of Visual Evoked Potentials Based on Wavelet Transform

Based on the good localization characteristic of the wavelet transform both in time and frequency domain, a de-noising method based on wavelet transform is presented, which can make the extraction of visual evoked potentials in single training sample from the EEG background noise in favor of studying the changes between the single sample response happen. The information is probably related with the different function, appearance and pathologies of the brain. At the same time this method can also be used to remove those signal＇ s artifacts that do not appear with EP within the same scope of time or frequency. The traditional Fourier filter can hardly attain the similar result. This method is different from other wavelet de-noising methods in which different criteria are employed in choosing wavelet coefficient. It has a biggest virtue of noting the differences among the single training sample and making use of the characteristics of high time frequency resolution to reduce the effect of interference factors to a maximum extent within the time scope that EP appear. The experiment result proves that this method is not restricted by the signal-tonoise ratio of evoked potential and electroencephalograph （EEG） and even can recognize instantaneous event under the condition of lower signal-to-noise ratio, as well as recognize the samples which evoked evident response more easily. Therefore, more evident average evoked response could be achieved by de-nosing the signals obtained through averaging out the samples that can evoke evident responses than de-nosing the average of original signals. In addition, averaging methodology can dramatically reduce the number of record samples needed, thus avoiding the effect of behavior change during the recording process. This methodology pays attention to the differences among single training sample and also accomplishes the extraction of visual evoked potentials from single trainings sample. As a result, system speed and accuracy could be improved to a great extent if this methodology is applied to brain-computer interface system based on evoked responses.     

Electrocardiogram signals de-noising using lifting-based discrete wavelet transform

This paper introduces an effective technique for the denoising of electrocardiogram (ECG) signals corrupted by nonstationary noises. The technique is based on a second generation wavelet transform and level-dependent threshold estimator. Here, wavelet coefficients of ECG signals were obtained with lifting-based wavelet filters. A lifting scheme is used to construct second-generation wavelets and is an alternative and faster algorithm for a classical wavelet transform. The overall denoising performance of our proposed method is considered in relation to several measuring parameters, including types of wavelet filters (Haar, Daubechies 4 (DB4), Daubechies 6 (DB6), Filter(9-7), and Cubic B-splines), thresholding method, and decomposition depth. Three different kinds of noise were considered in this work: muscle artifact noise, electrode motion artifact noise, and white noise. Global performance is evaluated by means of the signal-to-noise ratio and visual inspection. Numerical results comparing the performance of the proposed method with that of nonlinear filtering techniques (median filter) are given. The results demonstrate consistently superior denoising performance of the proposed method over median filtering.     

ERP单次提取中的小波变换模极大值恢复算法

自发脑电的频谱不规则,与有效信号ＥＲＰ频谱相重叠,传统滤波方法难以奏效。但由于随机噪声奇异性指数与有效信号奇异性指数大小不一样,小波变换模极大值在不同尺度下传播行为也不一样,据此可将有效信号从随机噪声中提取出来。我们发现利用小波变换模极大值算法可以提取出单次ＥＲＰ,并将此方法用于１１名被试听觉的实时提取研究。     

自适应算法与小波变换在心电信号滤波中的应用

心电信号是一种基本的人体生理信号,具有重要的临床诊断价值。然而,体表检测人体心电信号中常带有工频干扰、基线漂移、肌电干扰等各种噪声,给临床对心血管疾病的诊断带来了障碍。为了消除心电信号检测过程中带有的上述三种噪声,采用LM S自适应算法及小波变换理论,有针对性的设计了自适应滤波器、小波变换滤波器和自适应信号分离器等三种数字滤波器来滤除相应干扰。结果表明,对心电信号中存在的这三种噪声具有很好的滤波效果。     

基于小波变换的自适应滤波器消除脉搏波基线漂移

脉诊仪的研制中,由于呼吸运动和身体移位导致脉搏信号的基线漂移是必须克服的.本文提出了一种新的基于Meyer小波变换的自适应滤波器,其参考输入选择原始信号经小波分解后的高频分量.通过仿真和实际测量实验表明,该方法能有效消除脉搏波的基线漂移.     

Palm print image recovery and de-noising via multi-channel wavelet filter bank

In this paper, a 3-channel wavelet transform method is introduced to recover palm print images following serious deformation. The deformation processing is actually a kind of digital re-sampling. A filter bank consisting of three filters is implemented for wavelet decomposition of the palm print image, and then a procedure of binary interpolation is performed after the image is reconstructed by another filter bank consisting of another three filters. The design of multi-channel wavelet filter bank is based on the Quadrature Mirror Filter (QMF) method. Because the noise is caused by the Morie stripe, the images are further de-noised after the geometry deformation is addressed. Acceptable results have been obtained.     

Palm print image recovery and de-noising via multi-channel wavelet filter bank

In this paper, a 3-channel wavelet transform method is introduced to recover palm print images following serious deformation. The deformation processing is actually a kind of digital re-sampling. A filter bank consisting of three filters is implemented for wavelet decomposition of the palm print image, and then a procedure of binary interpolation is performed after the image is reconstructed by another filter bank consisting of another three filters. The design of multi-channel wavelet filter bank is based on the Quadrature Mirror Filter (QMF) method. Because the noise is caused by the Morie stripe, the images are further de-noised after the geometry deformation is addressed. Acceptable results have been obtained.     

基于二进小波变换和快速主动轮廓模型的医学图像边缘提取

医学图像的病灶边缘一般呈弱边缘特性,噪声干扰使得提取病灶边缘更加困难,传统的分割方法不能取得令人满意的效果.我们提出了一种基于二进小波变换和主动轮廓模型的病灶边缘提取方法.该方法采用二进小波检测出真正的边缘点,将其作为初始轮廓,再利用改进的快速主动轮廓模型算法连接边缘点,得到病灶的边缘.将该算法用于脑部MRI的肿瘤边缘提取的实验结果表明这种方法可以有效减少噪声的影响,能够准确地提取出复杂的病灶边缘.