CN104657947A - 针对碱基图像的一种降噪方法 - Google Patents

Abstract

本发明提供了一种针对碱基图像的降噪方法，该方法基于组合滤波以抑制生物图像中的高斯噪声，包括以下步骤：获取荧光显微镜中碱基图像；首先针对碱基图像中的亮点，使用FWHM算法，求出满足该亮点灰度分布的参数δ；然后通过使用LOG算法，检测出该亮点的边缘像素，保存边缘位置图像；最后使用双边滤波器对图像滤波，双边滤波器不仅能保护边缘像素，而且针对高斯噪声具有很好的降噪效果。使用FWHM算法计算得到的δ用于LOG算法检测以及双边滤波器滤波，与通过使用固定值来计算滤波和检测边缘效果相比，使用FWHM方法得到的结果更好。该方法能有效地去除噪声、保持边缘，在有噪声的情况下具有很好的鲁棒性。

Description

针对碱基图像的一种降噪方法

技术领域

本发明属于数字图像降噪领域，具体涉及一种针对碱基图像的降噪方法。

背景技术

生物工程图像的数据分析的第一步通常是提取出所需要的数据。生物学中用于观测碱基图像的工具是荧光显微镜，图像会被荧光蛋白标记，并且在碱基图像中被标记成亮点。数字图像分析不仅能够量化这些图像数据，而且能够证实荧光显微镜观测到的生物过程。

然而，从碱基图像中获得准确的和完整的数据仍然是个挑战。在很多情况下，由于获取图片的过程的限制，图片的质量很低。特别是在活体细胞的图片的获取的过程中，光照强度会降低到最低来防止光漂白，因此会导致低的信噪比。虽然显微镜光照技术提升，但是现在显微镜分辨率仍然很粗糙导致衍射限制的现象。因此，区别亮点与不相干的背景或者噪声是很困难的。

其中，噪声可分为加性噪声、乘性噪声、量化噪声、椒盐噪声等，但是实际中最常见的为高斯白噪声和脉冲噪声两类，会根据实际图像的特点、噪声的统计特征和频谱分布的规律，一般都采用低通滤波器的方式降噪。大部分噪声消除只能去除一种类型的噪声，而且在消除噪声的同时，图像噪声的边缘会变模糊。由于边缘特征是图像亮点的重要特征，但是在实际降噪的过程中，边缘会不可避免的被模糊，因此在图像降噪的过程中，应该尽量对图像的边缘特征进行保护。

现有技术中有很多技术用于抑制图像噪声。C.Tomasi和R.Manduchi提出使用双边滤波器用于灰度图和彩色图降噪的模型(非专利文献1：C.Tomsi,R.Manduchi.”Bilateral Filtering for Gray and Color Images,”IEEETrans.Computer Vision,1998,pp.839-846)，使用高斯低通滤波器与均值滤波器结合，具有保护边缘特征的效果。该模型对自然图像的降噪效果较好，但是对荧光显微镜下拍摄的碱基图像不理想，背景噪声对真实边缘的干扰较大。Buyue Zhang和Jan P.Allebach在双边滤波器的基础上，提出了自适应的双边滤波器Adaptive bilateral filter(ABF)模型(非专利文献2：BuyueZhang,and Jan P.Allebach,“Adaptive Bilateral Filter for SharpnessEnhancement and Noise Removal,”IEEE Trans.Image Procession,17(5),2008,pp.664-678)，在这篇非专利文献中，为了能够很好的提取边缘特征，并且保障提取的地方是平滑的，以及提取算法对噪音具有鲁棒性，最终选择使用LOG边缘检测器对边缘特征进行提取。但是该方法对于参数选择并没有达到自适应，并且算法测试图像是人脸图像、数字、字符，对于荧光显微镜图像获得图像效果不佳。

综上所述，选取合适的参数用于构建能有效的区分噪声与边缘检测算子以及构建滤波器是核心所在。

发明内容

为了解决现有技术中的问题，本发明提供了一种针对碱基图像的降噪方法，能够解决现有技术中使用传统的滤波技术，如：高斯滤波、均值滤波，中值滤波等，对荧光显微镜拍摄的图像降噪的效果不好问题，避免因使用滤波降噪造成图像模糊，对图像的边缘特征造成影响，对接下的图像的特征提取等工作造成干扰。同时，解决了不能根据经验值来调整参数的问题，本发明的方法能够自适应的调整参数。

本发明具体通过如下技术方案实现：

针对碱基图像的一种降噪方法，其包括以下步骤：(1)统计挑选生物碱基图像中的N个较清楚的亮点，根据FWHM方法计算出每个亮点像素满足的高斯分布的δ值，求出N个亮点对应的平均值(2)使用拉普拉斯算子来检测图像的边缘；(3)使用双边滤波器对原图像降噪，双边滤波器是一种保边降噪的滤波器，根据第(1)步计算出来的构建滤波器算子，得到的滤波器算子用于滤波器降噪；(4)将通过边缘提取得到的边缘图像嵌入双边滤波后的图像：使双边滤波后的图像中与边缘图像对应的像素点用边缘图像的像素代替，得到最终降噪的图像。

进一步地，所述步骤(2)具体为：，根据第(1)步计算出来的构建拉普拉斯算子，因为构建算子的参数是自适应的从图像中获取到的，与通过经验值构造得到结果相比，检测效率更高；使用拉普拉斯算子寻找图像中二阶过零点找到图像的边缘点，将边缘检测图像与原图像的边缘像素一一对应，保留原图像的边缘像素，得到仅含边缘的灰度图像。

本发明的有益效果是：本发明提供的针对碱基图像的一种降噪方法使用拉普拉斯算子(LOG)滤波器检测出亮点的边缘，调整滤波参数，提高算法的检测效率。将计算得到的边缘像素图像，嵌入到使用双边滤波器降噪的图像中，得到最终的降噪图像。本发明的方法能够自适应的调整降噪参数，使用双边滤波方法对图像降噪，降低图像的背景像素，提高图像的信噪比。本发明的方法根据图像，选择最适合的参数，进而提高高斯滤波的降噪水平。

附图说明

图1是本发明的针对碱基图像的一种降噪方法流程图；

图2是FWHM算法原理示意图。

具体实施方式

如附图1所示，本发明的针对碱基图像的一种降噪方法具体实现的过程如下：

(1)选取碱基图像中N个较清楚的亮点，使用ImageJ软件或者Matlab软件，读取并记录每个亮点中亮度值最高的像素值，然后使用FWHM(FullWidth at Half Maximum)算法求出每个点亮的δ值。FWHM算法是指吸收谱带高度最大处高度为一半时谱带的全宽，也即峰值高度一半时的透射峰宽度(如附图(2)所示)。如果函数的分布满足标准正态分布，如公式(1)，其中δ为标准差，那么FWHM与标准差之间的关系是分别计算出N个亮点对应的δ₁...δ_N值，然后计算这N个δ对应的平均值

$f\left(x\right)=\frac{1}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}\exp [-\frac{{(x-x_0)}^2}{2{\mathrm{\δ}}^2}]---\left(1\right)$

(2)使用拉普拉斯算子(LOG)来检测图像的边缘，因为在边缘检测时要考虑到噪声对检测边缘的影响，而通常的许多边缘检测算法对于此类图像难以取得较好的效果。我们采用拉普拉斯算子(LOG)来检测边缘。拉普拉斯高斯(LOG)算法是一种二阶边缘检测的方法。它通过寻找图像中二阶过零点找到图像的边缘点。其原理是灰度缓变形成的边缘经过微分算子形成了一个单峰函数，峰值位置对应边缘点；对单峰函数进行微分，值为0的峰值的两侧符号相反，而原来的极值点对应二阶微分的过零点，通过检测过零点即可将图像的边缘提取出来。

为了达到降噪的目的，首先要用高斯函数对图像进行滤波，然后对滤波后的图像进行二阶求导，即 ${\▿}^2(G(x,y)\⊗f(x,y))={\▿}^{2}G(x,y)\⊗f(x,y),$ 其中▽²G(x,y)为拉普拉斯算子，经运算可得：

${\▿}^{2}G(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\δ}}^4}(\frac{x^2+y^2}{{\mathrm{\δ}}^2}-2)\exp (-\frac{x^2+y^2}{2{\mathrm{\δ}}^2}),$

LOG边缘检测算子能够先对图像进行平滑，去除一部分噪声再对图像进行边缘检测。我们通过计算步骤(1)计算出满足图像分布的δ，用于拉普拉斯算子的求解。这样计算出来的算子能够很好的满足图像中亮点的像素高斯分布，进而能够保护边缘地区的像素值，降低噪声的影响。

通过边缘检测，可以搜索出属于边缘的像素点，然后将边缘检测图像和原图像的边缘像素一一对应，去掉原图像的平滑像素，保留边缘像素，得到仅含边缘的灰度图像。

(3)使用双边滤波器对获得图像进行降噪。双边滤波器是一种可以保边降噪的滤波器，可以看成是一种加权的非线性高斯滤波器。之所以可以达到降噪的效果，是因为滤波器是由两个核函数构成，一个函数由几何空间距离决定滤波器系数，另一个是根据像素差决定滤波器系数，可以与其相比较的两个滤波器是由高斯低通滤波器和α-截尾均值滤波器(去掉百分比为α的最小值和最大之后剩下像素的均值作为滤波器)。

图像滤波可用公式(2)表示：

$I(x,y)=\frac{1}{{\mathrm{\ω}}_p}\underset{i,j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)*n(i,j)---\left(2\right)$

其中：I(x,y)是滤除噪声后的清晰图像，n(i,j)是需要滤波的含噪声图像，Ω是像素的领域，ω(i,j)是滤波器在点(i,j)处的权。ω_p是一个标准量，可以用公式(3)表示：

${\mathrm{\ω}}_p=\underset{i,j\∈\mathrm{\Ω}}{\mathrm{\Σ}}\mathrm{\ω}(i,j)---\left(3\right)$

高斯低通滤波器是根据高斯函数的形状来选择权值的线性平滑滤波器，高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的。而且高斯函数是单值函数，这说明高斯滤波器是由像素领域的加权均值来代替该点的像素值，而每一领域像素点权值是随该点与中心点的距离单调递增或递减的。高斯滤波器的宽度是由参数δ决定的，δ越大，滤波器平滑程度越好，通过调节平滑程度参数δ，可在图像特征过分模糊与平滑图像中由于噪声和细纹理所引发的过多的不希望突变量之间取得折衷。因此，高斯平滑滤波器在空间域是十分有效的滤波器。那么，对于高斯滤波来说，权值ω(i,j)和像素的空间距离相关，像素之间距离越近，它们之间的相关性越高，权值就越大，其滤波器函数可以定义如下：

${\mathrm{\ω}}_k(i,j)=\exp (-\frac{{(i-x)}^2+{(j-y)}^2}{2{\mathrm{\δ}}_d^2})---\left(4\right)$

其中δ_d是高斯函数标准差。

高斯滤波只关注空间距离而忽略了像素值的改变(图像灰度变化)，滤除噪声的同时也平滑了边缘。为了保护边缘像素的灰度值，使用均值滤波器。均值滤波器是典型的线性滤波器，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值。因为正态分布的均值为0，所以均值滤波可以消除噪声，而高斯噪声是幅值近似正态分布，因此，均值滤波对高斯滤波效果好。但是均值滤波器会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊。

在双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合。权重系数ω(i,j)取决于定义域核和值域核 $r(i,j)=\exp (-\frac{{\left|\right|f(i,j)-f(k,l)\left|\right|}^2}{2{\mathrm{\δ}}_r^2})$ 的乘积，如公式(5)。

$\mathrm{\ω}(i,j)=\exp (-\frac{{(i-k)}^2+{(j-l)}^2}{2{\mathrm{\δ}}_d^2}-\frac{{\left|\right|f(i,j)-f(k,l)\left|\right|}^2}{2{\mathrm{\δ}}_r^2})---\left(5\right)$

图像边缘处像素灰度值变换大，r(i,j)的值较小，从而使得ω(i,j)的值也较小。滤波器在边缘处的滤波作用也降低，从而在滤波的同时保护了边缘。

但是，在构建核函数需要使用δ_d构建高斯核，进而构建双边滤波器的核函数。因此，在第(1)步，通过计算出适合图像的用于高斯降噪，因此与通过经验值求解相比，该双边滤波器使用构建双边滤波器的核函数，对于提高图像的信噪比，降低图像的噪声效果更好。

(4)将边缘提取得到的边缘图像嵌入双边滤波后的碱基图像中。将含有边缘灰度像素的图像与降噪后的图像一一对应，使双边滤波后的图像中与边缘图像对应的像素点用边缘图像的像素代替，得到最终降噪的碱基图像。

本发明提供的针对碱基图像的一种降噪方法，基于组合滤波以抑制生物图像中的高斯噪声，双边滤波器不仅能保护边缘像素，而且针对高斯噪声具有很好的降噪效果。使用FWHM算法计算得到的δ用于LOG算法检测以及双边滤波器滤波，与通过使用固定值来计算滤波和检测边缘效果相比，使用FWHM方法得到的结果更好。该方法能有效地去除噪声、保持边缘，在有噪声的情况下具有很好的鲁棒性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (2)

1.针对碱基图像的一种降噪方法，其特征在于：所述改进降噪方法包括以下步骤：(1)统计挑选生物碱基图像中的N个较清楚的亮点，根据FWHM方法计算出每个亮点像素满足的高斯分布的δ值，求出N个亮点对应的平均值(2)使用拉普拉斯算子来检测图像的边缘；(3)使用双边滤波器对原图像降噪，双边滤波器是一种保边降噪的滤波器，根据第(1)步计算出来的构建滤波器算子，得到的滤波器算子用于滤波器降噪；(4)将通过边缘提取得到的边缘图像嵌入双边滤波后的图像：使双边滤波后的图像中与边缘图像对应的像素点用边缘图像的像素代替，得到最终降噪的图像。

2.根据权利要求1所述的降噪方法，其特征在于：所述步骤(2)具体为：根据第(1)步计算出来的构建拉普拉斯算子，因为构建算子的参数是自适应的从图像中获取到的，与通过经验值构造得到结果相比，检测效率更高；使用拉普拉斯算子寻找图像中二阶过零点找到图像的边缘点，将边缘检测图像与原图像的边缘像素一一对应，保留原图像的边缘像素，得到仅含边缘的灰度图像。