MEA-wp算法提高动态光谱法血栓标志物图像的方法

MEA-wp算法提高动态光谱法血栓标志物图像的方法

王雅超 ,司马庆琳 ,苏倩 

山东协和学院  山东济南    250200

摘要：近年来，小波分析方法的研究在科学技术界掀起了一个高潮，小波分析在时域和频域上同时具有良好的局部化性质，能对不同的频率成分釆用逐渐精细的釆样步长，聚焦到信号的任意细节，这对于检测高频和低频信号以及信号的任意细节均很有效，特别适于分析处理微弱和突变信号，这些优点决定了小波分析在信号检测、信噪分离、故障诊断、数据压缩、特征提取、信号重构等方面都有着非常重要的应用价值，小波分析发展至今已形成了一套广泛实用的应用技术，在工程领域得到了广泛的应用。基于小波变换模极大值的分析方法不是通常所用的内积形式，而是卷积形式。通过在多尺度空间中分析各种有效信号和噪声信号小波变换模极大值的不同传播行为，可有效提取信号的特征参数，尤其适合有突变的信号。基于这种理论基础，小波变换在各个领域都有广泛的应用。在电力系统中，电力系统故障诊断、谐波分析、暂态稳定、动态安全分析、抗电磁干扰、输电线路故障定位等诸多方面都有小波变换的应用；在医学领域，尤其是微弱生理信号特征的提取，小波变换模极大值算法具有突出的表现；在图像信号的边缘检测、图像去噪及图像压缩等方面，模极大值的分析方法也得到了广泛的应用。

光谱采集过程中的各种时变噪声影响了动态光谱法血液成分无创检测定量校正模型的精度。该文采用基于小波变换的MEA-wp算法，在脉搏频段内对指端投射光谱的时域吸光度波形聚焦，提高了动态光谱数据的信噪比和血液成分含量定量校正模型的精度。

关键词：小波分析；MEA-wp算法；动态光谱；血液成分；无创检测；精度

血液成分无创检测作为一种临床急需的技术已成为目前生物医学领域研究的热点，近红外光谱结合多变量分析的方法由于其快速、无创、定量等特点被视为最具发展前景的血液成分无创检测技术之一[1,2]。国内外许多学者在此方面做出了积极的探索和研究，但该方法仍面临着诸多技术问题，其中个体差异和测量条件的影响是阻碍其进入临床应用的突出技术关键[3]。2004年李刚等[4,5]提出的动态光谱理论，从原理上解决了上述问题，并在相应的数据处理方法和检测精度方面做了较系统的研究，取得了一定的成果[6,7]。动态光谱理论认为脉搏是平稳的周期信号且个体差异、测量条件等的影响是时域均匀的。但在光谱采集过程中，被测者的抖动、采集系统的噪声等都可能引入时变的噪声，影响了定量校正模型的精度。MEA-wp算法以其良好的时频域局部化特性和多分辨率分析能力，被广泛应用于光谱分析领域。本文利用MEA-wp算法多分辨率的特点，通过对各波长时域吸光度波形１Hz左右细节的聚焦，使信号能量集中在脉搏频段内。对比引入MEA-wp算法前后同一个体动态光谱数据的相关性。

一、动态光谱原理

动态光谱法是基于光电脉搏波原理。认为动脉血液充盈最低时，动脉血液所吸收的光强最弱，此时的出射光强最大（Ｉｍａｘ），可视为动脉血液脉动部分的入射光强Ｉ０；动脉血液充盈最高时，光强被动脉脉动部分吸收最大，此时的出射光强最弱（Ｉｍｉｎ），可视为动脉血液脉动部分的出射光强Ｉ。记录各波长脉搏波时域内变化波形的峰值，即动脉充盈至最大与收缩至最小时吸光度的差值，则该差值理论上只与动脉血液组成成分有关，因而消除了个体差异和测量条件对光谱的影响。根据朗波－比尔定律对脉动血液层有

式中：ａλ为波长为λ的单色光消光系数，Ａλ为脉动动脉血液在波长为λ处的吸光度，若已知的血液各组分的吸光系数和脉动动脉血液的等效光程长ｄ，即可计算出各组分的含量ｃｉ。

二、MEA-wp算法的意义

图像在采集和传输的过程中会不可避免地受到各种噪声的影响，降低了图像 的视觉效果。图像去噪的任务就是去除图像中的噪声，还原原始的图像，它也是图像处理过程的基础步骤。在当前社会中，人们对图像质量的要求逐渐提高，图像去噪处理的相关技术要求也随之升高，传统的图像去噪方法已经逐渐不适应人们对图像高质量的要求。

MEA-wp基于小波变换，小波变换的方法由傅立叶分析演变而来。小波变换具有多分辨率分析的优点，并且去除了传统傅立叶变换的缺点，对一维信号有很好的逼近特性，有“数学显微镜”的美称，因此在去噪领域中得到了广泛的应用。基于小波变换，人们研究岀了很多图像去噪的方法。

三、MEA-wp算法图像去噪的基本方法

目前，MEA-wp算法的基本方法大致有以下几种：模极大值方法去噪，阈值方法去噪，以及基于小波系数模型的方法去噪等:

1.模极大值方法去噪

1992年，Mallat提岀了模极大值方法去噪。此方法首先检测图像的奇异点，由于有用信号和噪声的MEA-wp算法在奇异点处的模极大值不同，根据这一特点，可以应用多分辨率理论，逐步计算每个尺度的MEA-wp算法的模极大值，通过这一过程来去除噪声，模极大值方法具体描述如下：

已知图像中的某一像素点

P(i,j) ,得到其水平方向的MEA-wp算法值为w1（i，j），垂直方向的MEA-wp算法值为w2(i，j)，则该像素点的模值计算公式为：

在某一尺度上，已知图像中任一像素PO(i,j),此像素的幅角为A(i,j)，它的模值为M(i,j)。首先将像PO点亮，根据它的幅角A(i,j)找到梯度方向所指的像素，假设PO梯度方向所指的像素点为P1,比较PO点和P1点的模值大小，若P1点的模值较大,则点亮P1熄灭PO的。接下来根据P1的幅角找到P1梯度方向所指的下一个像素，继续作相同的处理,直到下一个点的模值小于或等于当前像素点的模值。对所有的像素点操作完成后,被点亮的点就构成了局部模极大图像。在每一尺度上都找岀对应的局部模极大图像，最后重构图像，就可以区别岀噪声和真实信号，有效地去除噪声。

对于混有白噪声且含有较多奇异点的图像，该方法比较有效,在去噪的同时 可以较好地保留图像的奇异点信息，能获得较高的信噪比-SNR。然而，在重构MEA-wp算法时，此方法使用的是复杂的交替投影法，这使得模极大值方法的实现速度很慢并且较不稳定。

2.阈值方法去噪

速模式400Kb/s、高速模式3.4Mb/s,为了保证配置的准确性和成功率，设计中采用了100Kb/的速度模式，即SCLK的频率为100KHZ,因为FPGA外部输人的时钟为50MHz,所以需要对其分频获得。同时该模块还负责产生数据传输有效信号，保证SDA的改变发生在SCLK的低电平时段。

Register_Value其实一个查找表，负责保存MT9P031内部需要配置的寄存器地址和数据，查找表内数据的位数都是24bit,单独作为一个模块的目的是为了方便用户改变配置数据，决定图像传感器的不同工作状态。

I2C_Controller是图像传感器配置设计的核心模块，主要完成了启停命令产 生、字节发送和读取、应答信号采集等功能。同时，I2C_Controller模块还产生I2C读写时序，由状态机严格按照I2C协议实现,将Register Value部分送岀的24位操作码I2C_DAT转化成为正确的I2C时序.，一个寄存器的数据传输完成后，模块还将判断寄存器配置数据是否发送顺利，如果一切正常,LUTJNDEX信号会自动加一,控制RegisterValue查找表产生下一个寄存器的地址和数据。

3.基于MEA-wp系数模型的方法去噪

在MEA-wp的基础上，通过对MEA-wp系数建立合适的模型也可以达到较好的去噪效果。可对MEA-wp系数应用上下文模型、隐式马尔可夫模型、多尺度随机过程等模型，实验结果表明这些方法的去噪效果明显。基于上下文模型的空间自适应MEA-wp系数方法是由S.Grace Chang提出的；而Grouse等人提岀了一种基于MEA-wp的隐式马尔可夫模型的统计信号处理结构；HuaXie和Aleksandra Pizurica提岀应用马尔可夫随机场模型,并运用有关小波系数空间族的先验知识来对图像去噪。

四、MEA-wp图像去噪的其他方法

基于MEA-wp系数的其它方法还有空域相关性去噪方法。此方法的原理是：对含噪图像做MEA-wp系数之后，有用信号对应的MEA-wp系数在各个尺度上有较强的相关性，尤其是在图像的边缘附近,此相关性更加明显，而噪声对应的MEA-wp系数在各个尺度上却没有这种明显的相关性因此，可通过计算相邻尺度间小波系数的相关性，设置大小合适的邻域,区别对待得到的边缘对应的MEA-wp系数和非边缘对应的MEA-wp系数，采用不同的估计方法,此方法的去噪效果也较理想:MEA-wp系数图像去噪的其它方法还有投影法，以及最近提出的脊波、曲波去噪法等等。基于MEA-wp系数的图像去噪研究当前的一个热门研究课题，还有其它的新的方法也在不断地产生。

五、结论

MEA-wp系数在时域和频域同时具有良好的局部特性，在此基础上，人们提岀了很多图像去噪方法。它们是图像去噪的优秀方法，并且可以广泛应用于其它图像处理过程中。本文分别对基于MEA-wp系数图像去噪的几种基本方法和其它方法进行了介绍研究。在这些去噪方法中.阈值方法应用于动态光谱法血栓标志物图像，因为它容易实现且计算简单，在实际应用中,可将两种方法或多种方法综合起来使用以取得更好的效果。本文为进一步的图像去噪研究指明了方向,也为进一步的图像处理奠定了基础。

[参考文献]

[1]彭玉华.小波变换与工程应用[M].北京：科学出版社.1999.

[2]姚敏.数字图像处理[M].北京:机械工业出版社，2006:86-97.

[3]宋翎萍，宋玲珍，杨晓艺.一基于小波变换的图像去噪算法[J].

电子与信息学报，2006,19(2):130—133.

[4]刘永昌，张平，严卫东，等.小波包阈值法去除合成孔径雷达图像斑点噪声.红外与激光工程，2001,30(3):160-167.

[5]管聪慧等.基于小波变换的图像去噪技术[J].科技信息,2006第6期：8-9.

[6]谢杰成等.小波图象去嗓噪综述[J].中国图象图形学报,2002,7(3):209-217.

[7]周密，李尊尊，耿国华.基于小波阈值的图像去噪方法研究[J].计算机技术与发展，2008,18(5):2224.

作者简介：王雅超（2001.10—），女，汉族，山东省泰安市，山东协和学院