小波分析在生物医学信号/图像处理中的应用

小波分析的基础知识, 小波分析的软件实现, 小波分析应用的现状与前景
打印 被阅读次数

1 引言   近年来小波分析理论受到众多学科的共同关注。小波变换是传统傅里叶变换的继承和发展。由于小波的多分辨率分析具有良好的空间域和频率域局部化特性,对高频采用逐渐精细的时域或空域步长,可以聚焦到分析对象的任意细节,因此特别适合于图像信号这一类非平稳信源的处理,已成为一种信号/图像处理的新手段。目前,小波分析已被成功地应用于信号处理、图像处理、语音与图像编码、语音识别与合成、多尺度边缘提取和重建、分形及数字电视等科学领域。 2 生物医学信号/图像的特点   生物医学信号由于受到人体诸多因素的影响,因而有着一般信号所没有的特点。1)信号弱,例如从母体腹部取到的胎儿心电信号仅10~50微伏。脑干听觉诱发响应信号小于1微伏。2)噪声强,由于人体自身信号弱,加之人体又是一个复杂的整体,因此信号易受噪声的干扰。如胎儿心电混有很强噪声,它一方面来自股电、工频等干扰,另一方面,在胎儿心电中不可避免地含有母亲心电,母亲心电相对我们要提取的胎儿心电则变成了噪声。3)频率范围一般较低,除心音信号频谱成份稍高外,其他电生理信号频谱一般较低。4)随机性强,生物医学信号不但是随机的,而且是非平稳的。正是因为生物医学信号的这些特点,使得生物医学信号处理成为当代信号处理技术最可发挥其威力的一个重要领域。在这个领域中,尚有很多未解决的难题,因此,新的方法的提出将为临床诊断提供更多的信息和手段。   医学图像涉及物理学、电子学、计算机技术等广泛的学术领域。随着各项高新技术的发展,医学图像已经从形态到功能、从静态到动态、从平面到立体、从局部到整体获得了飞速的发展。在实际应用中,医学图像和计算机图形学结合可以让医生从各个不同角度观察人体内部结构;医学图像与计算机及通信技术结合可以、完成图像的传输、归档、管理等复杂的工作。随着医疗设备的更新,医疗手段的日益丰富和多样,对医学图像处理技术的要求也越来越高。 3 各项研究成果   3.1 图像增强技术   基于小波变换的图像增强技术在目前图像处理领域研究中尚处于探索性阶段,国内外已有部分学者开始对此方法进行研究。由于小波分析的图像增强技术包含了小波的分解与合成运算,其数据量大,运算时间较长,因此在许多实际应用中,特别是实时系统中没有得到认可和推广,但这并不说明小波分析不适用于图像增强。由于小波分析本身无可替代的优越性,其处理结果常常比某些传统的处理方法更令人满意。随着算法的不断改进以及高速芯片的研制成功,其速度问题将会得到解决。所以用小波分析进行图像增强,将会得到人们的重视和应用。   甲襞微循环图像各参数的测量是心血管疾病无损检测的一种重要手段,其图像边缘的准确提取是自动检测微循环各参数的基础。但甲攘微循环图像为反光式图像,信号噪声大,明暗对比度较差,灰阶分布范围小,一般在90~150之间,由于图像中边缘和噪声在空域上均表现为有较大的灰阶差,在频域上则均为高频分量,给检测带来困难。其中,采用传统的梯度法和灰度法会带来较多的误测和漏测,效果不能令人满意,而改进的自适应阀谊模被相关匹配算法,虽然能较好克服误测和漏测,但仍存在一些不足:即检测出的边缘会出现较多的断缺,需要插值光滑,且微循环图像顶部弯曲部分边缘不能检测出来,为图像的晃动纠正等带来困难。同时在模板的实际选择中也有一个权衡问题:小尺度的边缘模板对噪声很敏感,定位精度高,大尺度的边缘模板有较强的去噪声能力,但定位精度低。只有采用多尺度的方法才能使高定位精度及强去噪能力两者统一起来。小波变换正好具有良好的空间局部分析功能和多尺度多分辨分析功能,为此,将小波变换用于甲嚷微循环图像的边缘检测可克服上述不足,取得较好的结果。在文献[1]中根据甲襞微循环图像的特点,利用三次样条二进小波,采用Mallat快速算法进行小波分解,成功地提取了甲裳微循环图像的边缘。   X射线图像可以说是当前临床应用最广泛的一种医学图像,如何从X射线图像获得更多的信息是提高诊断水平的一个重要方向。文献[2]根据小波分析的特点,对小波分解后的不同子带进行不同的线性运算,从而使X射线照片中较模糊、对比度差的细节得到增强。并将传统的反锐化掩模与小波分析有机地结合起来,提出了一种新的算法,该算法不仅能使图像细节清晰,还能有效防止“粘连”、“振铃”效应,抑制噪声,有利于医生对疾病作出正确的判断。文献[3]在精细尺度上,根据信号与噪声的WT相位在相继尺度上关联性的不同进行去噪,在大尺度上,则采用Semisoft阈值法对DWT系数进行快速缩减去噪。根据人眼的视觉特性对WT系数的增益进行非线性的自适应控制。使增强处理后的X射线图像具有视觉效果佳,无伪像产生的优点。且在噪声抑制、保边沿及增强各种细节上效果良好。   3.2信号奇异性检测与去噪   体表心电信号及其他生物医学信号多具有较强的随机性和背景噪声,而且又属于非线性、非平稳的微弱信号。人们利用各种先进的信号处理技术分析与处理这种生理电信号,希望能获得更多的、具有诊断价值的信息。WT具有优良的时频分析特性,而且还具有处理非平稳随机信号的能力,因此,WT应该能成为心电信号的一种可行有效的处理方法。   心电图(ECG)信号中,QRS波是分析ECG信号的重要特征依据,它的正确检测是自动分析ECG信号的基础。文献[4]分析了小波变换下信号的奇异特征,研究了基于小波变换的心电信号的特征提取与心电信号的消噪处理。研究结果表明:心电信号中QRS波的平均检出率可达99%以上;经消噪处理后的重建心电信号的信噪比可由原来的5.1dB提高到12.8dB。因此,小波变换技术是生物医学信号分析与处理的可行有效的技术方法。   事件关联电位(ERP)是一种特殊的诱发电位,系人脑对某种离散事件进行信息加工时在头皮上记录到的一连串瞬时的脑电变换,ERP与认知过程密切相关,特别是其中的P3波已成为心理学、临床精神病学、工效学研究中广泛应用的指标。但是,通常ERP只能通过同步叠加平均的方法抽取出来。减少叠加次数,实现单次提取是研究工作中急需解决的问题。多分群小波变换同时给出信号的时间和频率信息,通过在时频域将ERP与背景噪声分离可提取出有用信号。文献[5]正是基于这种思想,在分析了平均与单次ERP波形的时频域特性的基础上,利用两者小波变换系数的相关性,设计出了基于3次B样条小波变换的时频滤波器,用以完成ERP单次提取。研究结果表明:基于小波变换的单次提取结果与叠加平均方法抽取出来的波形非常接近。   心音在心血管疾病的诊断中具有重要价值,是心血管疾病无创性检测的重要方法,具有心电图、超声心动图不可取代的优势。进行心音分析,可以得到心血管疾病的重要信息,这对于多种心血疾病的诊断具有很重要的意义。文献[6]对比研究了离散二进小波变换和短时傅立叶变换在分析动脉狭窄所产生湍流音的能力。结果表明:小波分析对湍流音变化更为敏感。   3.3 图像压缩   随着图像归档与通信系统PACS(Picture Archiving and Communication System)的发展。开展适合医学影像的压缩编码技术成为PACS的热点之一。由于小波变换具有空间一频率局部性、方向性、多分辨率性和带宽在对数频率上等宽的优点,并与视觉特性接近,所以不仅可以利用统计特性,还可以利用视觉特性来提高编码效率,并且用QMF和金字塔算法还可以实现图像的正交、无冗余分解。由于这样一些优点,利用小波变换可以较好地实现图像的变换编码。在新的静止图像压缩标准中小波变换法将起重要作用。   在医学图像中,对简单的图像如X射线照片、荧光造影图片等采用二维小波变换不仅可以消除传统压缩方法产生的“块效应',现象,而且可提高压缩比。很多文献都在这方面进行了研究,适当选取小波函数和编码方法可取得良好效果。另外,PACS中诸如CT、MRI等重要成像设备的实际成像特点是:一次检查会产生多帧图像,这些图像都是对人体的某一部位不同层面的断层图像。因此,相邻帧之间有较强的相关性。这样,PACS中经常采用的二维JPEG编码技术无法很好地适应这类成组图像。文献[8]文献[9]将近年来在编码学领域大显身手的二维小波变换推广到三维,找到一种适合于PACS中成组图像的有效的压缩方案。实验证明,将二维小波压缩推广至三维,可以较好地去除帧间相关性,该技术可以将压缩比提高20%~47%左右,得到适合PACS的图像压缩方案。 4 结束语   虽然商业产品与理论研究存在着很大差距,考虑到成本、宣传费用与实际收益,好的方法不一定能马上导致广泛的商业用途。而小波分析法在生物医学信号中的实际应用也还很少,但随着理论研究的日趋成熟、医学图像归档与通信系统的出现、远程医疗诊断的需要和家庭医疗保健器械的发展,在医学信号分析、图像增强、去噪、压缩等方面将提出更高的要求,传统的分析方法将验证以满足发展的需要,小波分析作为一种有效的分析手段将在生物医学信号/图像处理中占有其应有的一席之地。

登录后才可评论.