数字信号处理在生物医学工程中的应用PPT.pptxVIP

数字信号处理中小波分析在生物医学工程中的应用 姓名： 马振宇 指导教师：李占贤 2015.10.22 课程：测试信号分析与处理 目录 2015.10.22 数字信号处理在生物医学工程中的应用 用小波分析处理医学图像的原因 1、医学图像自身特点： 医学信号微弱、背景噪声较强且为非平稳的随机 信号,本身结构复杂，处理要求多样。 2、小波变换特点： (1)时频局部化特点,即可以同时提供时域和频域局部化信息。 (2)多分辨率,即多尺度的特点,可以由粗到细逐步观察信号. (3)带通滤波的特点,根据中心频率的变化调节带宽,可以观测出信号的低频缓变部分和高频突变部分。这种变焦特性决定了它对非平稳信号处理的特殊功能。 2015.10.22 数字信号处理在生物医学工程中的应用 小波分析基本理论 1、小波变换的基本思想:用一组函数序列表示或逼近待分析信号，与传统的傅里叶分析相比，小波变换在时域和频域都具有表征信号局部特征的能力，通过平移和伸缩能够聚焦信号的任意细节并进行时频域处理，既可以看到信号的全貌，又可以分析信号的细节并保留数据的瞬时特性，因此有“数学显微镜”之称。 2015.10.22 数字信号处理在生物医学工程中的应用 2、小波变换的核心思想:多分辨率分析方法。即在小波分解过程中，将待分析信号通过小波分解成两部分，得到低频系数向量和高频系数向量，两个连续的低频系数之间损失的信息可以由高频系数获得，然后将低频系数向量继续分解，而高频系数保持不动。 Company Logo 应用的范围与优势 2015.1022 数字信号处理在生物医学工程中的应用 应用的范围与优势 2、图像的特征提取及边缘检测 目前已有各种算子提取图像边缘的方法都不具有自动变焦功能,提取的图像边缘清晰度不高。作为一种多尺度多通道分析工具,小波变换和分析特别适合对图像进行多尺度的边缘检测,常用算法如Mallat小波模极大值边缘检测算法,其变换模的极大值点一一对应于图像密度的突变点,不存在虚假边缘,并且时、频域可同时局部化,可根据图像边缘细节自动调节其分辨尺度,放大图像的局部细节。 2015.1022 数字信号处理在生物医学工程中的应用 应用的范围与优势 应用实例： 检测乳腺X线图像中的微钙化点 单颗粒钙离子的直径仅为0.05~1.00mm,鉴别这种极其微小的病变颗粒就是通过在小波域内进行阈值分类来实现，这样就可以提早发现乳腺疾病并及时治疗。 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势 3、去除噪声干扰 传统去噪方法(如减影法、中值滤波法、邻域平均法等)仅适用于信号和噪声频带无重叠或少部分重叠的情况,而不适用于信号和噪声频带重叠较大的情况。当信号和噪声的频率重叠区域很大时，利用图像小波分解各个子带图像的不同特性设定不同的阈值,将低于某个阈值的小波系数置为零,保存高于阈值的小波系数,经处理之后的小波系数就可以理解为基本上是由信号引起的,从而去除图像中的大部分噪声,再将保留的小波系数利用逆小波变换进行重构,恢复出 有效的图像信号。 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势CT图像 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势 4、医学图像融合 医学图像融合就是将同一解剖结构在不同成像机制下的几幅医学图像融合成一幅图像,得到信息更丰富的医学图像。由于成像机制不同和人体结构的高度复杂性,不同机器来源的图像提供了互补的信息,如需要在一幅图像上了解颅骨、脑组织、脑血管等综合信息,可分别由来源于CT的骨组织信息、MR图像的软组织信息和MRA图像提供的脉管信息来提供。 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势 在这复杂的图像融合中，小波变换发挥了极其重要的作用。小波变换将原始图像分解到一系列频率信号中,利用其分解后的塔形结构,对不同分解层,不同频带分别进行融合处理,可有效地将来自不同图像细节融合在一起。采用双正交小波基在小波分解时有效地提取图像边缘的特征,重建图像时可减少图像的“块效应 ”。小波变换的图像融合既保证图像中不同分辨率水平上的能量和噪声不会相互干扰,又保留了原始图像的纹理和边缘特征,从而消除了融合图像的块状伪影,可明显提高图像的主观视觉质量。 2015.10.22 数字信号处理在生物医学工程中的应用 应用的范围与优势 2015.10.22 数字信号处理在生物医学工程中的应用 总结与展望 由以上四个例