[發(fā)明專利]高噪聲顯微圖像下的自動(dòng)檢測(cè)微管方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710567042.7
• 申請(qǐng)日: 2017-07-12
• 公開(kāi)（公告）號(hào): CN107529658A
• 公開(kāi)（公告）日: 2018-01-02
• 發(fā)明（設(shè)計(jì)）人: 蔣林華;蔣云良;童慧鑫;龍偉;賈良權(quán);胡文軍
• 申請(qǐng)（專利權(quán)）人: 湖州師范學(xué)院
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/12;G06T7/136;G06T5/00
• 代理公司: 杭州宇信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)33231
• 代理人: 張宇娟

技術(shù)領(lǐng)域

本發(fā)明涉及圖像數(shù)據(jù)處理領(lǐng)域，尤其涉及一種高噪聲顯微圖像下的自動(dòng)檢測(cè)微管方法。

背景技術(shù)

微管是細(xì)胞骨架的重要組成部分，是近年來(lái)在結(jié)構(gòu)生物學(xué)領(lǐng)域的研究熱點(diǎn)。冷凍電鏡是一種觀察研究微管結(jié)構(gòu)有效的工具。但是由于冷凍電鏡圖像的高噪聲性和圖像中往往含有一些無(wú)關(guān)的組織物質(zhì)，所以識(shí)別和提取圖像中微管通常是通過(guò)研究者自身利用數(shù)學(xué)知識(shí)統(tǒng)計(jì)分析得到的。

冷凍電鏡圖像有如下特點(diǎn)：1.由于樣本未經(jīng)染色，很容易受到電子束的損傷。為了使得樣本能夠在整個(gè)成像過(guò)程中受到的輻射損傷最小。在收集電鏡顯微圖像時(shí)，電子束被局限于很小的劑量。這樣小的劑量導(dǎo)致圖像的對(duì)比度很低。而且圖像的噪聲很多。

冷凍電鏡技術(shù)(Cryo-EM)和計(jì)算機(jī)技術(shù)相結(jié)合的方式，是目前用來(lái)識(shí)別分割生物大分子的主要方法之一。目前，已有很多生物大分子顆粒自動(dòng)識(shí)別方法，例如模板匹配方法，基于圖像分割方法、基于神經(jīng)網(wǎng)絡(luò)方法、各項(xiàng)異性擴(kuò)散濾波平滑方法，還有活動(dòng)能量輪廓方法(snake)。雖然這些方法都在其電鏡圖片上取得一定效果，但由于微管的冷凍電鏡圖片不僅高噪聲而且還存在其他大塊的非微管物質(zhì)，所以這些方法在冷凍電鏡高噪聲微管的自動(dòng)分割的應(yīng)用上并沒(méi)有得到很好的效果。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是：克服冷凍電鏡圖片不僅高噪聲而且還存在其他大塊的非微管物質(zhì)的問(wèn)題，能夠有效自動(dòng)檢測(cè)微管的方法。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提出一種高噪聲顯微圖像下的自動(dòng)檢測(cè)微管方法。

步驟1：對(duì)輸入的原始圖像平滑去噪得到去燥圖像；

步驟2：對(duì)預(yù)處理圖像進(jìn)行形狀濾波去除非管狀形狀的小塊物質(zhì)得到預(yù)處理圖像；

步驟3：利用meanshift平滑分割算法和形狀濾波對(duì)預(yù)處理圖像的特征空間，進(jìn)行圖像的微管分割；

步驟4：對(duì)分割圖像二值化轉(zhuǎn)化，根據(jù)聯(lián)通區(qū)域的面積閾值對(duì)比進(jìn)一步去除一些殘留的污染物；

步驟5：利用形狀信息，提取微管的邊界信息，并將邊界信息畫(huà)在原圖像中；

作為一種優(yōu)選：步驟1中的圖像平滑是基于形態(tài)學(xué)的方法來(lái)去噪；采用半徑為30-40像素的圓形的被用作結(jié)構(gòu)元素，以除去圖像中的噪聲。

作為一種優(yōu)選：步驟2中對(duì)輸入圖像去除小塊物質(zhì)的形狀濾波是通過(guò)構(gòu)建基于Hessian矩陣的管狀形狀濾波器：矩陣如下公式(1)：

Hessian矩陣的特征值提供的圖像結(jié)構(gòu)信息

特征值計(jì)算公式包括公式(2)、(3)、(4)、(5)：

K＝(f_xx+f_yy)/2 (4)

假設(shè)λ₁＜λ₂,如果λ₁＞λ₂,將互換兩者的位置：

構(gòu)建基于Hessian矩陣的管狀濾波器的表達(dá)式如下公式(6)：

將公式6的管狀濾波器與高斯構(gòu)建的圖像尺度空間融合：假設(shè)電鏡圖像中的微管大小為[d₀,d₁]，首先將用高斯濾波器對(duì)圖像進(jìn)行高斯濾波，其高斯濾波器參數(shù)為[d₀/4,d₁/4]；其次將用公式6的管狀濾波器對(duì)圖像進(jìn)行形狀濾波，依次交替濾波，直至一定次數(shù)停止。

作為一種優(yōu)選：步驟3的meanshift平滑分割算法處理的預(yù)處理圖像的特征空間包含了管狀形狀濾波器的區(qū)域形狀值，灰度信息值，二維位置信息值組成的空間信息值,特征空間表示如公式(7)所示：

其中代表空間信息值，代表灰度信息值，代表區(qū)域形狀值，h_s,h_r控制著平滑的解析度，C代表相應(yīng)的歸一化參數(shù)。

作為一種優(yōu)選：步驟4中設(shè)定聯(lián)通區(qū)域的面積閾值為700到1000個(gè)像素之間，把聯(lián)通區(qū)域面積小于這一閾值的區(qū)域去掉。

作為一種優(yōu)選：步驟3的微管分割采用融合策略處理，所述的融合策略包括區(qū)域相似融合策略和最小區(qū)域融合策略，兩者間是或的關(guān)系；

區(qū)域相似融合策略：如果兩個(gè)區(qū)域的距離小于h_r/2,那么融合；

最小區(qū)域融合策略：去掉小的區(qū)域。

本發(fā)明有益效果：