改进的小波域医学图像序列的运动估计

医学图像序列压缩是远程医疗系统中的重要技术，而运动估计在视频序列压缩中起着关键作用。我们提出了一种改进的正方形-菱形搜索算法来实现医学图像序列的运动估计。这种改进的正方形-菱形算法减少了搜索点数。我们将其应用于小波域的医学图像序列的运动估计，并对数字减影血管造影图像序列（DSA）进行实验。结果表明，改进后的小波域正方形-菱形算法较其他算法精度高。     

医学图像光线投影体绘制中一种改进的快速算法

光线投影算法是体绘制算法中图像效果比较好的方法，但存在运算量大，绘制速度慢的问题。为此本文提出了一种新的光线投影体绘制的加速算法，利用重采样点在两坐标系中的矩阵变换特性。减少矩阵运算量，加快重采样计算过程，并且通过将Bresenham算法扩展至三维，利用包围盒技术避免对空体元的采样，从而加速了光线投影的效率。实验结果表明改进后的加速算法，既能保证绘制质量，又能显著减少计算量，提高体绘制的速度。     

眼底图像畸变的校正及多幅图像的特征点拼接算法

对于眼底图像 ,由于不在正视点取像造成的几何畸变和由于荧光素从血管壁渗漏等造成的灰度畸变 ,几乎是不可避免的。为临床诊断提供丰富信息的需要出发 ,进行多幅眼底图像的拼接是必要的。本文为此提出了几个新的处理方法 ,如基于大窗口的滤波灰度校正方法、基于透视投影原理的几何校正方法与基于小波子空间上的拼接算法 ,均具有效果好和耗时少的优点。     

中性粒细胞分布数据序列小波变换研究

目的　研究小波分析结合复倒谱处理血膜中中性粒细胞分布数据信号的新方法及临床意义。方法　利用“虚拟盒计数法”方法采集血膜中的细胞分布数据信号 ,然后进行小波变换结合复倒谱分析方法处理。结果　提出血膜中细胞分布状态的“密集子”新概念。计算出小波变换复倒谱主极大值 ,并以此作为不同情况下血膜中中性粒细胞分布“密集子”间距的准确参数。结论　方法简单 ,能较好的反映血膜中细胞分布状态的微观组织结构特征 ,是血膜中细胞“密集子”表达定征的一种有效方法     

基于离散小波变换提取脑机接口中脑电特征

在脑机接口中，针对脑电特征提取利用单一种类信息、使用数据量大、分类性能较差等缺点，提出一种新颖的基于离散小波变换的方法。分析了小波变换特征提取的特点和特征表示方式，用Daubechies类db4小波函数对脑电信号进行6层分解，抽取小波变换各子带关键的部分逼近系数、小波系数、小波子带系数均值组成特征向量。以分类正确率为指标检验了提取特征的性能。实验结果表明，这种方法能够利用少量数据提取脑电信号本质特征，具有较高的分类性能，为利用脑电识别人的不同意图提供了快速而有效的手段。     

基于自适应小波神经网络的心电图检测法

自适应小波神经网络检测法就是利用小波函数取代通常神经网络中隐层的作用函数来实现的，通过网络的学习自适应地调整尺度参数和时移因子，提高了特征提取能力，因此，该网络可提高心电信号的检测率和可靠性。     

基于希尔伯特黄熵的麻醉深度估计

麻醉深度监测是外科手术中必不可少的步骤之一。目前已经提出多种监测麻醉深度的脑电信号分析方法,尤其熵方法得到了广泛的关注。提出一种新的麻醉深度监测方法-希尔伯特黄熵,先用经验模态分解—希尔伯特黄变换处理脑电信号获取希尔伯特黄边际谱,再根据香农熵定义得到希尔伯特黄熵。对19个接受吸入药物七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较,结果表明：希尔伯特黄熵能够更准确的区分麻醉和清醒状态,更适合于麻醉深度监测。     

基于小波变换的心电信号基线矫正方法

本文介绍一种基于小波变换的心电信号基线漂移去除方法。该方法利用小波变换多分辨分析的特性,将含噪声及基线漂移心电信号进行多尺度分解,结果表明,某尺度下的分解信号较好地反映了心电信号基线漂移,在重构过程中可直接将其去除。     

用小波变换对ECG进行特征提取：一种在线数字信号处理系统

本文介绍了一种使用小波变换方法进行心电图信号的特征提取的方法，主要通过对ＱＲＳ复波进行准确的时间间隔测量来实现。本文提出的小波变换方法克服了其它方法存在的局限性，它能更精确地探测ＱＲＳ复波以及Ｐ波、Ｔ波的出现与停止。本方法用ＴＭＳ３２０Ｃ２５数字信号处理芯片来实时实现。文中介绍了其软件、硬件及其实验结果与分析。     

保持形状特征的自适应轮廓点采样算法

在三角形贴面表面重建中，选择轮廓线上哪些点作为重建点，一方面决定重建的质量，另一方面决定重建的速度。本文提出了一种保持形状特征的变分辨率轮廓点采样算法。首先，建立了本算法的数学模型，我们认为离弧对应的弦距离最大的点可作为一个形状特征点。其次，利用二叉树数据结构递归实现了该算法。本算法具有保持轮廓形状特征、根据形状复杂度自适应决定采样频率、编程简单等优点。