[發明專利]基于粒子群優化的K-means聚類算法的基因芯片圖像分割法

無效

• 申請號: 201010243077.3
• 申請日: 2010-08-03
• 公開（公告）號: CN101923712A
• 公開（公告）日: 2010-12-22
• 發明（設計）人: 胡益軍;翁桂榮
• 申請（專利權）人: 蘇州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/00
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 陶海鋒

技術領域

本發明涉及一種圖像的分割處理方法，具體涉及一種利用粒子群優化的K-means聚類算法對基因芯片圖像進行自動分割的方法。

背景技術

基因芯片(又稱DNA芯片或者生物芯片)，是上世紀80年代中期發展起來的一種新型實用的生物技術，目前已成為國際生命科學研究的熱點之一。基因芯片技術基于雜交原理，結合半導體工業的微型制造技術和分子生物學技術，將數量巨大的寡核苷酸或cDNA作為探針，通過高速機器人點樣的方式，以一定的順序或排列方式固定在一塊面積極小的硅片、玻片或尼龍膜等基片上，經熒光標記的樣本與芯片上的DNA序列按堿基配對原理雜交后，利用激光共聚焦熒光檢測系統得到熒光信號，不同樣本中熒光信號的強度反應了樣本中mRNA的表達水平。通過處理和分析基因芯片雜交檢測圖像，可以對生物細胞或者組織中大量的基因信息進行分析。該技術具有高度的并行性、多樣性、微型性和自動化等優點，能夠在很短時間內分析大量的生物分子，并快速準確地獲取樣品中的生物信息，從而大大提高了檢測效率。基因芯片技術已成為高效、快速、大規模獲取相關生物信息的重要手段。

研究人員在對圖像的研究和應用過程中，往往只對圖像中的某些部分感興趣(一般對應圖像中特定的、具有獨特性質的區域)，這部分區域通常稱之為目標或前景，其它部分稱之為背景。只有在圖像分割的基礎上才能對目標進行特征提取和參數測量，使得更高層的圖像分析和理解成為可能。

基因芯片的圖像分割處理是基因芯片應用過程中一個重要的步驟，基因芯片圖像分割的過程就是確定目標信號(靶點)與背景信號的過程，也就是在背景中識別出靶點信號的過程，其目的是要在圖像中提取靶點的亮度信息，以供研究人員進一步的探索和研究。該過程的分析結果將直接用于確定檢測的結果和后續的研究。目前，國內外已經出現了一些專門用于處理和分析基因芯片圖像的軟件產品，但是大多需要人工參與，并且存在分析精度達不到要求等缺點。

聚類分析在模式識別和圖像處理領域中具有廣泛的應用，其主要目的是按事物間的相似性對給定事物進行區分和分類，使每一類中的元素盡可能具有相同的特性，不同聚合類之間的特性差別盡可能的大。圖像分割和對象提取是聚類分析的主要應用方面。K-means聚類算法(J.B.MacQueen，1967)作為聚類算法的中最簡單，最快速的一種，有著大量而廣泛的使用。

在實際應用中發現，K-means聚類算法有著很明顯的特點。由于計算方法的特點，K-means聚類算法在大數據量時的擴展性和效率都較理想，適用于基因芯片的圖像分割處理。但在類中心的初始化時，若選擇不當，有可能會陷入局部最優或者產生空類的情況。同時，對于不同的初始化可能會產生不同的聚類結果，不利于聚類結果的分析與使用。此外，K-means聚類算法受到噪聲和異常數的影響較大。

發明內容

本發明目的是提供一種基于粒子群優化的K-means聚類算法的基因芯片圖像分割法，通過引入粒子群算法優化，獲得一種設置參數少、受噪聲影響小的圖像分割方法，有利于基因芯片的圖像分割處理。

為達到上述目的，本發明首先根據K-means聚類算法基因芯片圖像的所有像素分為K類，粒子群中的每個粒子根據適應度函數搜尋局部最優位置；然后粒子群中的粒子根據其個體極值和最優位置更新自己的速度和位置值。經過多次迭代之后，全局最優位置所在子群所產生的即為聚類分類結果。該算法通過對粒子群的聚類，使粒子之間的信息得以交換，并利用了更多粒子在迭代尋優過程中包含的信息，算法的全局收斂性更強。

具體采用的技術方案是：一種基于粒子群優化的K-means聚類算法的基因芯片圖像分割法，包括下列步驟：

(1)輸入基因芯片圖像，并對基因芯片圖像進行預處理；

所述預處理包括，將基因芯片圖像轉化為單色灰度圖像，通過數學形態學的方法對該單色灰度圖像進行濾波處理，將連通部分少于n個像素的圖像部分濾去，其中，n取15～50之間的整數；

(2)對步驟(1)處理后的圖像進行網格定位，獲得多個基因芯片圖像靶區，每一圖像靶區由網格定位后的一個靶點及其背景區域構成；