基于希尔伯特变换和自适应阈值的R波检测算法

提出一种基于希尔伯特变换和自适应双阈值的R波检测算法。首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置。使用4个具有不同频率和信噪比的数据库(MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库)和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出。在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.36%、99.77%和99.13%,每条记录平均消耗时间比传统的Pan and Tompkins算法大大缩短。实验结果表明该算法具有良好的鲁棒性和实时性。     

基于小波变换和希尔伯特包络分析的QRS波检测算法

提出一种基于双正交小波变换和Hilbert变换的QRS波检测算法。首先，通过双正交小波变换分解与重构，消除高频噪声，同时突出R峰位置，构造出有利于QRS波检测的检测层。然后，对信号求差分和希尔波特变换，进一步抑制P波、T波以及基线漂移等噪声。最后，在计算得到的包络信号上根据自适应阈值及决策规则进行R峰检测。根据MIT-BIH心率失常数据库有标注的临床数据进行验证，QRS波检测结果准确率达到99.01%，同时算法具有不错的鲁棒性和实时性。     

基于数学形态滤波和提升小波变换的R波检测

利用数学形态学与提升小波变换相结合的方法对心电信号进行分析处理。先用数学形态方法对心电信号进行滤波预处理,可以有效地去除高频白噪声与低频的基线飘移,再利用提升小波变换对处理后的心电信号进行多分辨分析,得出各层逼近信号与细节信号,并在此基础上结合不应期、自适应阈值和回溯检漏等方法,提出了一种动态的R波检测算法,使得QRS波群的检出率达到99.89%。     

心电信号中R波的小波包检测算法研究

心电信号(ECG)特征参数的提取和检测是心电图分析和诊断的基础,而在ECG分析中,快速准确地检测出QRS波群非常重要,它是计算相关参数和诊断的前提。本文针对心电信号QRS波群中R波的检测算法进行了研究与分析,对传统的小波R波检测算法中存在的检测准确率较低和实时性较差的问题加以改进,并提出了具有更加优良分析效果的小波包R波检测方法。并利用美国麻省理工学院的MIT/BIH心电数据库对上述方法进行仿真验证,同时与传统的小波R波检测算法进行实验对比,结果表明,该方法简单有效、准确率高,适于实际应用。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于小波变换的脉搏波标志点检测方法

针对脉搏波信号的标志点检测提出了一种基于小波变换的信号特征检测方法.该方法首先对脉搏波信号在小尺度上进行小波变换,然后利用系数中的极大极小值对来确定原始信号峰值的范围,进而返回原始信号定位峰值点.最后以原始信号的峰值为参照点提取出其他标志点的具体位置.采用此方法进行脉搏波信号的标志点定位,为进一步进行血流动力学参数的计算研究奠定了基础.     

基于小波变换的QT检测

提出-种新算法进行QT间期的自动分析方法对ECG信号进行小波变换,根据模极大值对的形态进行T波识别.结果,经MIT-BIH数据库检验,QRS波识别率达到了99.52%.经QT数据库检验,T波正确识别率达到了87.69%,与心电专家手工标注相比,误差为0.33 ms±10.59 ms.     

基于小波变换和Retinex算法的显著性检测

近些年来,关于图像显著性检测的研究越来越热门。基于之前提出的很多算法产生的显著图都存在背景信息杂乱、干扰噪声多、细节丢失等问题,本文提出了一种基于小波变换和Retinex算法的显著性检测算法来解决以上问题。首先,利用Retinex算法对图像进行前期处理;然后,对前期处理过的图像进行SLIC超像素分割,对超像素进行小波变换,分别生成原始图像低频部分和高频部分的特征图,并进行适当的双边滤波降噪,生成对应的显著图;最后,通过加权组合这两种显著图,得到最终的显著性图。实验结果表明,本文提出的算法生成的显著图具有受背景影响小、噪声少以及细节突出等优势。     

基于小波变换和LS-SVM的事件检测算法

根据高速公路有事件发生时交通流将产生突变这一原理,提出一种基于小波变换和最小二乘支持向量机的事件自动检测算法。首先用小波变换提取特征数据,然后用最小二乘支持向量机进行分类,仿真实验表明该算法具有检测时间短、检测率高和误报率低的优点,它为事件检测提供了一种切实可行的新思路。     

基于自适应脊波变换的边缘检测

通过分析现有的一些方法,提出了一种基于自适应脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对图像中的不同方向的边缘特征进行有效的表示和检测。实验表明,对于边缘主要表现为直线而其他位置光滑的图像,该检测方法抗噪声更强,定位更准确。     

基于小波变换的心电信号综合检测算法研究

目前小波分析已经用于心电信号（ECG）的R波峰点检测,但是对QRS波群的具体形态和起止点位置的检测研究较少,P波和T波的分析也是心电图计算机自动分析的难点.为解决心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置.实验结果表明,所提出的综合检测算法具有较好的鲁棒性,能够较好地抑止或消除基线漂移、高频干扰等外部因素,以及大T波、大S波、高U波、波形融合等自身病态因素对波形综合检测产生的影响.     

A new mathematical based QRS detector using continuous wavelet transform

In this paper, a new viewpoint in ECG detection is presented using continuous wavelet transform (CWT). In order to magnify QRS complex and reduce the effects of other peaks, the concept of dominant rescaled wavelet coefficients (DRWC) is defined. Using this concept, the relations between the time duration of components of a QRS complex and their wavelet transforms are derived analytically. The proposed relations are used to define local search interval at the vicinity of each QRS complex components. Using DRWC concept, the proposed detection algorithm enables us to detect the R peaks even at the presence of long P and T peaks. Then, each detected complex is classified based on its morphology. The classification is carried out regarding possible QRS patterns and their wavelet transform. We evaluate the algorithm on the MIT-BIH Arrhythmia database. The QRS detector has an average sensitivity of Se = 99.91% and a positive predictivity P⁺= 99.72% over the first lead of the database.     

采用小波变换和三点法的频率测量

讨论了在电力系统保护和控制中对基波信号中的间谐波进行小波变换来计算基波频率,但检测结果有少许误差;三点法也是检测频率常用的方法,它通过任意三个等间隔采样点提取正弦信号频率,合理的选择检测点之间的间隔可以使误差最小。运用小波变换与三点法结合可以高精度的对基波频率进行检测,仿真验证了方法的可行性。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。     

基于自适应二进小波变换的人脸检测方法

提出一种基于提升二进小波变换的检测人脸部位（如鼻子、眼睛和嘴唇等）的快速算法。在提升二进小波滤波器中的自由参数是学习的,从便使两个向量（其中一个向量的分量是提升二进小波滤波器系数,另一个向量的分量是人脸某部位像素）之间的夹角的余弦值最大化。学习得到的滤波器应用到测试图像中,可以检测人脸某些部位。实验结果表明,该方法具有较强的鲁棒性,能够很好地解决复杂背景下的人脸检测问题。由于该方法实现的简单性,并容易由硬件实现,使得检测速度进一步提高,因此该方法在可视电话等领域有着广阔的应用前景。     

心电信号的aTrous小波变换综合检测方法

心电信号反映了心脏有节律的活动。R波、P波和T波是去、复极时产生的突变信号,是典型的峰值奇异信号。信号的突变点检测是小波变换应用的一个重要方面。确定QRS波群的具体形态和起止点,检测P波、T波特征点是心电图分析的难点。研究了信号的二进样条小波按aTrous（多孔）算法进行的变换,构建了系列检测方法,来检测和识别QRS波群、P波、T波的具体的形态和位置。实验结果表明,所提出的综合算法具有较好的适应性,能很好地抑制基线漂移,消除高频干扰,克服了大T波、大S波、高U波波形自身病态因素对综合检测产生的影响。     

融合高斯混合模型和小波变换的运动目标检测

当前景目标与背景在颜色上接近时,仅采用高斯混合模型进行目标检测容易导致误判。为了提高模型分割算法的鲁棒性,提出一种融合高斯混合模型和小波变换的运动目标检测算法。通过小波变换提取图像的纹理特征信息,利用高斯混合模型拟合背景信息。将两者融合起来,把纹理信息作为颜色信息的补偿,保证了模型在线更新背景信息时模型的稳定性和收敛性,同时弥补了目标分割中前景与背景颜色信息接近时容易导致误判的不足。实验结果表明,本文方法比经典高斯混合模型方法具有较高的分割精度。