[發(fā)明專(zhuān)利]一種用于明場(chǎng)顯微成像的多層圖像融合算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510416230.0
• 申請(qǐng)日: 2015-07-15
• 公開(kāi)（公告）號(hào): CN104992426B
• 公開(kāi)（公告）日: 2018-04-20
• 發(fā)明（設(shè)計(jì)）人: 姜波;裴端卿;張銳;張驍;駱健忠;王新源
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院廣州生物醫(yī)藥與健康研究院
• 主分類(lèi)號(hào): G06T5/50
• 分類(lèi)號(hào): G06T5/50
• 代理公司: 深圳市科進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)44316
• 代理人: 宋鷹武,沈祖鋒

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種用于明場(chǎng)顯微成像的多層圖像融合算法。

背景技術(shù)

當(dāng)前對(duì)細(xì)胞形態(tài)表型研究的主要手段是通過(guò)顯微成像，獲取圖片，并對(duì)圖片數(shù)據(jù)進(jìn)行處理分析，觀察其在重編程過(guò)程中的變化，獲取信息鑒定其狀態(tài)。顯微圖像拍攝和采集過(guò)程中，有多種成像方式可以選擇，比如熒光顯微成像、暗場(chǎng)顯微成像、明場(chǎng)顯微成像、相差顯微成像、分干涉相差顯微成像等方法。

通常的細(xì)胞檢測(cè)方法是用熒光成像的方法，但這種方法一方面比較繁瑣，染色過(guò)程需要很多前處理，比如細(xì)胞通透、固定等步驟；另一方面是細(xì)胞是有標(biāo)記的、侵入性的或者甚至是對(duì)細(xì)胞有毒的，因此染色以后的細(xì)胞不能再繼續(xù)觀測(cè)和使用。由于這些原因，在利用神經(jīng)干細(xì)胞進(jìn)行治療的應(yīng)用中，熒光成像或者染色的方法都是不能夠被使用的。在利用相差成像的方法中，由于顯微鏡和光路并不是藕合在一起，所以在成像過(guò)程中，相襯環(huán)總是需要重新調(diào)整。考慮到批量的自動(dòng)化細(xì)胞培養(yǎng)的需要，該成像方式也不適合自動(dòng)化處理。

基于以上的情況，最好的方法是利用透射光照明，比如白光或者單色光。利用白光或者單色光的明場(chǎng)顯微成像技術(shù)的優(yōu)勢(shì)在于一方面不會(huì)對(duì)細(xì)胞有任何的傷害，另一方面光學(xué)成像設(shè)備也比較簡(jiǎn)單，此外明場(chǎng)顯微成像的數(shù)據(jù)庫(kù)和公開(kāi)數(shù)據(jù)源也是更加常見(jiàn)和普遍的。因此基于明場(chǎng)顯微成像的算法或者系統(tǒng)會(huì)更加通用，也具有更廣泛的推廣意義。

明場(chǎng)顯微成像的設(shè)備專(zhuān)業(yè)度要求更簡(jiǎn)單，但細(xì)胞圖像的差異會(huì)比熒光成像的差異小。由于這個(gè)原因再加上細(xì)胞表面的豐富變化，明場(chǎng)顯微成像下面的細(xì)胞檢測(cè)本身是一件困難的任務(wù)。而要在明場(chǎng)顯微成像環(huán)境下的通過(guò)細(xì)胞表面的細(xì)微變化進(jìn)行不同應(yīng)用要求下的后處理，比如細(xì)胞活力識(shí)別，細(xì)胞類(lèi)型識(shí)別等則是件更困難的任務(wù)。盡管對(duì)于有經(jīng)驗(yàn)的觀察者來(lái)說(shuō)，他們一般能觀察到這些區(qū)別，但為了更穩(wěn)定的觀察細(xì)胞，他們還是需要借助細(xì)胞染色的等有標(biāo)注手段。因此，在不進(jìn)行染色和不利用專(zhuān)家辨別的情況下，需要建立一個(gè)有效的算法來(lái)進(jìn)行高通量的細(xì)胞識(shí)別。算法的實(shí)現(xiàn)能夠更好的利用明場(chǎng)成像獲取定量信息，為實(shí)現(xiàn)無(wú)損失無(wú)標(biāo)記的細(xì)胞數(shù)字化分析打下基礎(chǔ)。

在擬研究的明場(chǎng)成像研究項(xiàng)目中，圖像預(yù)處理的主要工作是圖像融合。它通常是把在同一場(chǎng)景下同一個(gè)傳感器或者多個(gè)傳感器拍攝到的兩幅或者兩幅以上圖像的信息合并到一起成為一張擁有高信息量的圖像的過(guò)程。在成像過(guò)程中，因?yàn)橄鄼C(jī)的鏡頭的都只擁有一定的焦深，所以當(dāng)有些物體位于焦面呈現(xiàn)出清晰銳利的同時(shí)，其他的物體就位于焦面以外因此變得模糊和不銳利。為了解決這個(gè)問(wèn)題，圖像融合技術(shù)把不同圖像里面的在焦目標(biāo)融合到一張圖片里面來(lái)擴(kuò)展圖像的景深同時(shí)也會(huì)方便圖像的后期處理比如特征提取、目標(biāo)跟蹤、三維重構(gòu)等。迄今為止，已經(jīng)有很多融合算法被提出來(lái)。

到目前為止，一些融合方法已經(jīng)被提出，并分別應(yīng)用在不同的信息層面上：像素層、特征層、決策層。在像素層的融合中，數(shù)據(jù)在源圖像的像素層進(jìn)行融合。在特征層的融合中，在每個(gè)源數(shù)據(jù)中的特征都被提取出來(lái)并融合。在決策層融合中，融合會(huì)根據(jù)統(tǒng)計(jì)分析、統(tǒng)計(jì)推斷、分類(lèi)等決策進(jìn)行。

目前，廣泛應(yīng)用的圖像融合框架是基于多分辨率分析，包括金字塔變換，小波變換，曲波變換等等。離散小波變換(DWT)是在圖像融合中最常見(jiàn)和重要的多尺度分解方法，因?yàn)樗梢栽诳沼蛑刑峁└嗟募?xì)節(jié)，與別的融合方法相比，能有較好的結(jié)果。在基于小波的圖像融合中，一個(gè)常規(guī)的小波變換包括了三個(gè)步驟：第一，用小波變換對(duì)源圖像進(jìn)行分解，得到不同層下小波系數(shù)；然后，根據(jù)某個(gè)融合規(guī)則，融合每一層的小波系數(shù)；最后，利用小波逆變換得到融合圖像。源圖像分解后得到的系數(shù)分為低頻部分和高頻部分，現(xiàn)有技術(shù)下每個(gè)系數(shù)都會(huì)被分開(kāi)處理。例如，在一個(gè)“取均值”的融合規(guī)則中，融合圖像的分解系數(shù)由兩張?jiān)磮D像的分解系數(shù)取均值得到，但是這樣的規(guī)則會(huì)使融合得到的圖像模糊從而降低了圖像的對(duì)比度。又例如，在“選取最大值”的融合規(guī)則中，融合圖像每個(gè)位置的分解系數(shù)由源圖像相應(yīng)位置的分解系數(shù)的絕對(duì)值的最大值決定。然而，一個(gè)圖像的特征并不是只有一個(gè)像素組成和決定。這樣的方法，會(huì)有增加圖像的偽影，減弱圖像的對(duì)比度等，使得圖像失真，變的不自然，從而使得融合后的圖像不能很好地反映源圖像的有效信息。

發(fā)明內(nèi)容

本發(fā)明旨在克服現(xiàn)有技術(shù)的圖像融合中圖像特征只由像素組成及決定而造成的融合后的圖像失真的技術(shù)缺陷，提供一種運(yùn)用于明場(chǎng)顯微成像的多層圖像融合算法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：本發(fā)明提供一種運(yùn)用于明場(chǎng)顯微成像的多層圖像融合算法，包括以下步驟：

根據(jù)低頻子圖的局部區(qū)域平均拉普拉斯能量，獲取所述低頻子圖融和的低頻系數(shù)；