【摘要】　　小波变换近年来发展迅速，作为传统Fourier变换的继承和发展，小波变换解决了Fourier变换所不能解决的一些技术方面的问题（如突变信号与非平稳信号）。中医诊断的主要方法为望、闻、问、切，其中望诊和切诊至关重要。本文对小波变换在望诊和切诊中新的应用，即对中医诊断图像的处理（包括图像增强、去噪、融合、压缩）和对中医脉象信号处理进行了简要的综述。

【关键词】小波变换　中医诊断　中医图像处理　中医脉象特征分析

【Abstract】Wavelettransformationhasbeendevelopingformanyyears，astheinheritorandtheoffspringoftraditionalFouriertransformation，itresolvesseveralproblemswhichFouriertransformationcannotsolve（suchasmutativesignalandunquietsignal）.ThemainmethodsoftheChinesemedicaldiagnosisareobserving，smelling，consultingandpulse-taking，especiallytheobservingandpulse-taking.ThisarticlegiveasummarizeaboutthenewapplicationofwavelettransformationinChinesemedicalobservingandpulse-taking，thatdiagnosticimageprocessingofChinesemedicine（includingimageenhancement，noiseelimination，fusion，codingcompression）andpulsesignalofChinesemedicine.

【Keywords】wavelettransform Chinesemedicaldiagnosis Chinesemedicalimageprocessing Chinesemedicalpulsesignal

小波的概念最初是由法国地球物理学家J.Morlet提出，最初是为了更好地分析地震波的特性。经过２０余年的发展，目前小波理论在图像处理、医学信号处理、信号分析、语音合成、计算机视觉、数据压缩、大气与海洋波分析、地震信号处理、分形及数字电视等许多领域得到了巨大的发展。在中医诊断方面，小波变换主要具体应用在对中医诊断图像的处理和中医脉象信号处理上，使望诊和切诊更准确，从而大大提高了中医师诊断的准确率，使古老传统的中医通过计算机科学技术这一新的途径发扬光大。

小波变换是时间（空间）和频率的局部化分析，通过伸缩和平移运算对信号或函数逐步进行多尺度细化的分析，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意一个细节，所以说小波变换有两个特点，即自适应性和数学显微镜性质，能根据对象调整各项参数和调焦。

2小波变换对中医诊断图像的处理

小波变换对中医诊断图像中的处理和对西医诊断图像中的处理大体相同，都是利用小波变换的特点使得医学诊断图像更有利于识别病征［1］，具体作用主要表现为以下几个方面。

2．1中医诊断图像增强在中医诊断图像中，图像会难免有对比度差或者图像边缘模糊一系列不利于诊断的因素，对于中医师的准确诊断有不少的障碍。传统的图像增强的方法往往基于像素灰度变换的空间域增强和基于滤波操作的频率域增强来达到图像增强的目的，这样会或多或少产生图像的局部失真和噪声增强。小波变换刚好弥补了这一缺点，即在不改变图像的精确度的情况下，对图像的轮廓进行一种补偿式的增强，使得中医师在对诊断图像进行分析诊断时，更好的把握病人的病情，基于小波变换的医学图像增强的方法有很多，其中李清顺等［2］分析了采用分形增强的方法，在分形增强后又采用了小波增强图像的方法，使图像边缘轮廓增强，达到了更好的视觉效果，并且避免了单纯采用小波增强方法会使图像噪声也增强的不足。侯艳芹等［3］分析了将尺度系数和小波系数进行不同的处理，分别利用两步提升增强法对小波变换后的图像低频信息进行增强和软域值算法对小波变换后的图像高频信息先进行去噪，然后再增强，最后把这两部分综合起来进行小波反变换得到图像的一种新的方法。王修信等［4］提出将超声医学图像投影到小波变换域，然后利用软阈值技术方法进行降噪处理最后使用非线性增强技术提高图像对比度。处理结果有效地去除原图像的斑点噪声，使图像中较模糊、对比度差的细节得到增强，优于传统的直方图均衡增强方法。武杰等［5］在基于小波变换的医学图像增强方法中，分析比较了3种基于小波变换的医学图像增强方法，得出小波变换避免了窗口滤波运算，在变换域中更加灵活，更加有效，得到的处理图像层次感更分明，增强效果更明显，更有利于医师做出及时准确的判断。综上所述，通过小波变换能够使中医诊断图像更为准确的反映病人的身体各项机能，使中医师根据中医诊断图像做出更精确的判断。

2.2中医诊断图像去噪在中医师进行诊断的过程中，所得到的图像难免会混入噪声，使图像的信噪比下降，提高了中医师对中医诊断图像分析的难度，对中医师的正确诊断有诸多不利的影响，降低中医师诊断的准确率。对于医学图像处理的传统去噪方法主要有 邻域平均法、多幅图像平均法、中值滤波等。小波变换在此基础上更进一步提高了图像的信噪比，张昌林等［6］概括提出了一种改进的基于小波变换尺度间相关性的去噪方法，小波变换对整个图像变换从时域变换到频域，然后再量化、编码、输出，这样就保留图像的精细信息，满足中医疾病诊断图像的要求。对诊断图像进行去噪处理和方法二维小波变换大大提高了中医师对图像的准确率，可以检测出患者病患的轮廓线，从而有助于提高中医师对各种疾病的诊断准确率。陶玲等［7］分析了医学图像的噪声主要分布在图像的高频成分上，对小波分解的高频系数作处理来达到去噪的目的。二维小波变换在当高频噪声含量较高时，可以采取低频滤波法；当高频噪声含量不高时，可采用小波阈值化去噪法对小波变换域的系数进行筛选。郭敏等［8］分析提出了一种基于小波分析理论的医学超声图像噪声的综合抑制方法，首先对医学超声图像进行对数变换，将乘性噪声变成加性噪声 然后进行多尺度小波变换，将图像分解成一系列不同尺度上的小波系数，对变换后不同尺度的高频子图像进行非线性小波软阈值处理，阈值处理后的高频子图像进行增强 最后，经小波逆变换和指数变换恢复去噪后图像。结果证明该方法可有效保留细节信号，极大限度地去除斑纹噪声。这些文献均证明了基于小波变换不仅可以去除残留的噪声，而且去噪后获得的图像更加清晰，这样一种方法运用在中医诊断图像上，使中医疾病诊断图像有很好的视觉效果，消除噪声带来的不利影响，提高中医师诊断的准确率。

2.3中医诊断图像融合图像融合在医学方面的应用是通过对多幅图像的冗余信息和互补信息进行处理，将不同模态图像的信息综合起来，集中到一幅图像中表达，为医生提供更加有效的诊断信息。这种方法在西医诊断中应用广泛（如CT、MRI、PET等），为临床诊断和治疗提供了不同模态的图像。同样我们也可以将此方法运用到中医的中医诊断图像中。唐晶磊等［９］提出了一种基于小波变换的医学图像融合方法，而且证明基于小波变换的图像融合效果非常好。对图像进行小波分解后，形成了不同频率分辨率的细节信息，针对不同频带子图像的小波系数进行组合，形成融合图像的小波系数。融合后的图像保留了原始图像的纹理和边缘特征，消除了图像的块状伪影，有效地将图像所提供的信息融合在一起，图像的主观视觉质量有明显的提高。陶观群等［10］分析了基于小波变换的医学图像融合方法不仅可用于CT图像上观察到的骨组织结构和MR图像上对照软组织信息的融合，而且还用于来源于CT或MR图像的解剖信息与来源于PET或SPECT图像的功能信息融合。在外科手术导航系统中，将手术前所得的CT和MR的病灶三维图像与手术中所得到的实时X荧光图像或超声图像进行融合，有利于实时地指导和观察，确保手术顺利准确地进行。

转贴于中国论文下载中心http //www.studa.net