[發(fā)明專利]一種用于顯微圖像的廣譜去噪方法

有效

• 申請?zhí)枺?/td>: 201911303478.0
• 申請日: 2019-12-17
• 公開（公告）號: CN111091511B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計）人: 程濤
• 申請（專利權(quán)）人: 廣西科技大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京慕達(dá)星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

本發(fā)明公開了一種用于顯微圖像的廣譜去噪方法，將子塊圖像矩陣首尾相接轉(zhuǎn)換為一維向量ysubgt;raw/subgt;，對測量矩陣A進(jìn)行迭代優(yōu)化處理，得到優(yōu)化矩陣Asubgt;o/subgt;，基于測量矩陣A和優(yōu)化矩陣Asubgt;o/subgt;計算過渡矩陣T，并對過渡矩陣T進(jìn)行奇異值分解，得到USVsupgt;T/supgt;，將SVsupgt;T/supgt;ysubgt;raw/subgt;中大于閾值的值壓縮到閾值，小于該閾值的值不變，從而達(dá)到去噪的目的，最后對壓制噪聲后的y'subgt;SV/subgt;左乘Tsupgt;?1/supgt;U得到去噪后的Ysubgt;WSD/subgt;，再切去邊緣重疊部分，逐行或逐列拼接成完整的去噪后的圖像。本發(fā)明提供的用于顯微圖像的廣譜去噪方法適用于各種隨機(jī)噪聲，且去噪性能不受熒光分子分布密度影響。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像去噪技術(shù)領(lǐng)域，更具體的說是涉及一種用于顯微圖像的廣譜去噪方法。

背景技術(shù)

EMCCD(electron-multiplying?charge-coupled?device)采集的隨機(jī)光學(xué)重建顯微(stochastic?optical?reconstruction?microscopy,STORM)原始圖像的噪聲主要包含服從泊松分布的散粒噪聲、服從高斯分布的讀出噪聲和背景。

提高時間和空間分辨率一直是STORM研究的重點。噪聲的存在使得相機(jī)的有效像素大小必須約等于成像系統(tǒng)PSF的標(biāo)準(zhǔn)差，這樣才能取得較好的單分子定位效果。在基于壓縮感知(compressed?sensing，CS)的STORM研究中，也延續(xù)了這一傳統(tǒng)。如果采用高分辨相機(jī)(相機(jī)有效像素遠(yuǎn)小于PSF標(biāo)準(zhǔn)差)，就會使每個相機(jī)像素接收的光子數(shù)過少，導(dǎo)致噪聲增大，從而使定位精度急劇降低。各種單分子定位算法的抗噪能力有限，無法有效利用高分辨相機(jī)采集的原始圖像。CS可實現(xiàn)高密度熒光分子原始圖像的采集和重構(gòu)，大大提高了時間和空間分辨率。

如能實現(xiàn)對原始圖像各種噪聲的有效去噪，那么就能進(jìn)一步提高基于CS或其他理論的時間和空間分辨率。并能進(jìn)一步降低相關(guān)儀器設(shè)備的制造普及成本和實驗操作難度。

目前，在顯微和圖像處理領(lǐng)域已有很多優(yōu)秀的高性能去噪算法，例如，適用于高斯噪聲的BM3D，適用于泊松和高斯混合噪聲的GAV(應(yīng)用廣義Anscombe方差穩(wěn)定化變換去噪，MAKITALO?M，F(xiàn)OI?A.Optimal?inversion?of?the?generalized?Anscombe?transformationfor?Poisson-Gaussian?noise[J].IEEE?transactions?on?image?processing，2012，22(1)：91-103.)等。

但是在已發(fā)表的各種熒光分子定位文獻(xiàn)中卻少見對原始圖像在定位前做去噪處理的報道。盡管，光激活定位顯微(photoactivated?localization?microscopy，PALM)等單分子定位算法，在定位前會對原始圖像做一定的帶通濾波(bandpass?filter)處理。但是會使原始圖像損失大量信息，不適用于CS的重構(gòu)和計算。基于CS的STORM，原始圖像都沒有做去噪處理，直接使用減去基線的原始圖像，無法充分發(fā)揮CS的潛力。原始圖像的噪聲以泊松噪聲主導(dǎo)，混雜多種其他噪聲。盡管EMCCD相機(jī)性能越來越好，但是讀出噪聲等依然存在。

因此，如何提供一種針對顯微圖像的更高效的去噪方法是本領(lǐng)域技術(shù)人員亟需解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種用于顯微圖像的廣譜去噪方法，更加高效，能夠適用于各種隨機(jī)噪聲，且去噪性能不受熒光分子分布密度影響。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種用于顯微圖像的廣譜去噪方法，包括：

S1：逐行或逐列提取預(yù)先獲取的原始圖像的邊緣重疊的子塊圖像，得到子塊圖像矩陣Y_raw；