CN105069792A - 电子断层图像对位中的图像匹配及胶体金点链生成方法 - Google Patents

电子断层图像对位中的图像匹配及胶体金点链生成方法 Download PDF

Info

Publication number
CN105069792A
CN105069792A CN201510483078.8A CN201510483078A CN105069792A CN 105069792 A CN105069792 A CN 105069792A CN 201510483078 A CN201510483078 A CN 201510483078A CN 105069792 A CN105069792 A CN 105069792A
Authority
CN
China
Prior art keywords
image
point
collaurum
point set
affine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510483078.8A
Other languages
English (en)
Other versions
CN105069792B (zh
Inventor
韩仁敏
王联姗
张法
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Computing Technology of CAS
Original Assignee
Institute of Computing Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Computing Technology of CAS filed Critical Institute of Computing Technology of CAS
Priority to CN201510483078.8A priority Critical patent/CN105069792B/zh
Publication of CN105069792A publication Critical patent/CN105069792A/zh
Application granted granted Critical
Publication of CN105069792B publication Critical patent/CN105069792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种电子断层图像对位中的图像匹配方法,包括:1)找出第一图像胶体金点集S和第二图像胶体金点集M中的四点仿射组;2)随机选取点集M中的四点仿射组,找出一致性比例与点集M中的四点仿射组接近的点集S中的四点仿射组作为映射的四点仿射组,基于映射的四点仿射组估计第一图像至第二图像的仿射变换T(·);3)将第一图像的胶体金点代入仿射变换T(·),计算仿射变换后的第一图像的胶体金点与第二图像的近似点的数目;4)重复执行步骤2)、3)直至找出匹配的近似点数目最多的仿射变换T(·),进而得到两个电镜图像中匹配的胶体金点集对。本发明基于全局几何信息实现了胶体金点匹配,能够有效减少错误匹配,提高电子断层图像对位的准确度。

Description

电子断层图像对位中的图像匹配及胶体金点链生成方法
技术领域
本发明涉及结构生物学电子断层成像技术领域,具体地说,本发明涉及一种电子断层图像对位中的图像匹配及胶体金点链生成方法。
背景技术
电子显微镜(简称电镜)三维重构技术,利用电子显微镜拍摄的生物大分子投影图像序列进行三维重构得到生物大分子的三维密度结构,是结构生物学研究中的一种主流的技术支持手段。
根据投影的不同特点和分子样品的适用范围,电镜三维重构技术可分为:电子晶体学、单颗粒分析和电子断层成像技术。其中电子断层成像技术能够重构出不具有全同性且不需要结晶的细胞及亚细胞超微结构,具有其他技术不可替代的优势。受一系列机器及人工误差的影响,投影图像序列可能出现一系列的偏移旋转,且样品在空间中也会发生单纯的投影图像序列操作无法修复的运动,这极大地影响了重构结果精度,为了得到更高分辨率的三维重构结果,需要在进行三维重构之前对投影图像序列进行对位及空间参数标定。
基于胶体金的对位方法是目前最常用且对位精度最高的方法,该方法通过在样品中植入胶体金作为标记点对每幅样品投影图像进行对位。然而,为了获得高质量的对位结果,基于胶体金的对位一般需要较多的人工干预,从而使得对位的效率较低,且对人工的依赖大。
目前有很多关于胶体金自动对位的研究,一般存在两个难题:第一个是胶体金的提取,因胶体金的提取不在本案的讨论范围,故不再做过多描述;第二个是胶体金的追踪,即生成穿过各个电镜图像的胶体金点链,该胶体金点链中的各个点分别是所拍摄样品中同一胶体金点在各个电镜图像中的投影。传统的方法根据胶体金与周围胶体金的关系计算胶体金的对应关系,进而生成胶体金点链。这种算法在一些情况下是有效的,但是在周围胶体金数目较多时往往会发生匹配错误。因为这类算法只考虑一个胶体金与周围一定区域胶体金的位置关系,是基于局部几何信息的匹配,局部几何信息不能保证全局一致,因此当电镜图像中的胶体金识别不全或者电镜图像之间的图像偏移较大时,往往会出现匹配错误。而如果基于现有的对位算法,根据全局几何信息对各个电镜图像进行对位,则计算复杂度会极大地增加,并且这种计算复杂度的增加是海量的,往往会导致算法无法实现。
发明内容
因此,本发明的任务是克服上述现有技术的不足,提供一种电子断层图像对位中的图像匹配及生成胶体金点链的解决方案。
根据本发明的一个方面,提供了一种电子断层图像对位中的图像匹配方法,包括下列步骤:
1)对于待匹配的第一电镜图像和第二电镜图像,找出第一图像胶体金点集S和第二图像胶体金点集M中的四点仿射组;
2)随机选取第二图像胶体金点集M中的四点仿射组,找出一致性比例与该第二图像胶体金点集M中的四点仿射组接近的第一图像胶体金点集S中的四点仿射组作为映射的四点仿射组,基于映射的四点仿射组估计第一图像至第二图像的仿射变换T(·);
3)将第一图像的胶体金点代入步骤2)所得的仿射变换T(·),计算仿射变换后的第一图像的胶体金点与第二图像的近似点的数目;
4)重复执行步骤2)、3)直至得出最优仿射变换,所述最优仿射变换是使得所述近似点的数目最多的仿射变换T(·);
5)基于步骤4)所得的最优仿射变换得到第一电镜图像和第二电镜图像中的匹配的胶体金点集对。
其中,所述步骤2)中,四点仿射组的一致性比例包括比例r1和比例r2,其中,假设四点仿射组S1由a,b,c,d四个点组成,ab与cd的交点是e,则比例r1=||a-e||/||a-b||,r2=||c-e||/||c-d||。
其中,所述步骤3)中,第一图像仿射变换后与第二图像的近似点根据两点之间距离是否小于预设的距离误差阈值来确定。
其中,所述步骤3)中,所述距离误差阈值包括:第一阈值和小于第一阈值的第二阈值,所述步骤3)包括下列子步骤:
31)将第一图像的胶体金点代入步骤2)所得的仿射变换T(·),基于第一阈值得到对应于仿射变换后的第一图像的胶体金点的第二图像的近似点;
32)基于预设的近似点数目阈值,根据步骤31)所得的近似点的数目,初步筛选出满足仿射变换的候选点集对;
33)对于步骤32)筛选出的满足仿射转换的候选点集对,重新估计仿射变换T(·),然后再用第二阈值重新得出第一图像与第二图像的近似点的数目。
其中,所述步骤4)包括下列子步骤:
41)基于步骤33)所得的候选点集对,计算匹配点相对于第一电镜图像和第二电镜图像的原始胶体金点集的覆盖率,根据所述覆盖率更新最大迭代次数;
42)回到步骤2),再次随机选取第二图像胶体金点集M中的另一个四点仿射组,直至执行步骤2)的次数达到所述最大迭代次数,或者第二图像胶体金点集M中的四点仿射组已经遍历完毕。
根据本发明的另一个方面,还提供了一种电子断层图像对位中的胶体金点链的生成方法,其特征在于,包括下列步骤:
a)对于电子断层图像序列中的任一电镜图像,将该电镜图像与相邻电镜图像组合,根据前文所述的图像匹配方法进行两两匹配,得出该电镜图像与相邻电镜图像之间匹配的胶体金点集对;
b)通过遍历图像序列,基于各个电镜图像与其相邻图像的匹配结果,进行胶体金点链的补全及生长。
其中,所述步骤a)还包括:对于电子断层图像序列中的任一电镜图像,将该电镜图像的前一张电镜图像和后两张电镜图像分别视为所述相邻电镜图像,并分别得出该电镜图像与三张所述相邻电镜图像之间匹配的胶体金点集对。
其中,所述步骤b)还包括:基于步骤a)得出的所述胶体金点集对,将其中所有两两匹配的胶体金点均填入一个三维结构生成胶体金点链。
其中,所述步骤b)中,所述三维结构使用存储序列化的坐标信息的平衡二叉树做为同一图像的特征点的存储集合,通过各链接二叉树结点表述胶体金点间的串联关系。
与现有技术相比,本发明具有下列技术效果:
1、本发明能够实现基于全局几何信息的胶体金点匹配,能够有效地减少甚至消除错误匹配,从而提高电子断层图像对位的准确度。
2、本发明能够以相对较低的计算复杂度实现基于全局几何信息的胶体金点链生成。
3、本发明能够获得信息更加完整的胶体金点链。
4、本发明特别适合应用于电镜图像中的胶体金识别不全或者电镜图像之间的图像偏移较大的情形。
附图说明
以下,结合附图来详细说明本发明的实施例,其中:
图1示出了本发明一个实施例的胶体金点链的生成方法的整体流程图;
图2示出了四点仿射变换示例图;
图3示出了测试数据A在0度角下的投影的电镜图像;
图4示出了测试数据B在0度角下的投影的电镜图像;
图5示出了采用本发明一个实施例的方法在测试数据A中所匹配跟踪生成的胶体金链的长度的统计,其中横坐标表示:胶体金链的长度,纵坐标表示:长度为横坐标值的胶体金链的数量;
图6示出了采用RAPTOR算法在测试数据A中所匹配跟踪生成的胶体金链的长度的统计;
图7示出了采用本发明一个实施例的方法在测试数据B中所匹配跟踪生成的胶体金链的长度的统计;
图8示出了采用RAPTOR算法在测试数据B中所匹配跟踪生成的胶体金链的长度的统计;
图9示出了在测试数据A中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标的叠加;
图10示出了在测试数据B中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标的叠加;
图11示出了在测试数据A中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标在校正后的叠加;
图12示出了在测试数据B中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标在校正后的叠加。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的描述。
图1示出了本发明一个实施例的胶体金点链的生成方法的整体流程图,包括下列步骤:
步骤1:输入电镜图像及胶体金的坐标。其中,电镜图像是指利用电子显微镜拍摄的生物大分子投影图像。通常,针对样品的一次拍摄实验,可获得从不同角度拍摄该样品的多幅电镜图像。胶体金的坐标通过胶体金提取算法得出。
步骤2:对于任一电镜图像,将它与相邻图像(即一定范围内的相邻角度拍摄的电镜图像)上的胶体金坐标进行全局性匹配,得到当前电镜图像与其相邻图像的胶体金的对应关系。在本实施例中,电镜图像之间的匹配是基于图像两两之间的匹配实现的。全局性匹配指的是考虑整个电镜图像全局的胶体金位置关系而得出匹配结果。电镜图像之间的两两匹配是对分布在两张电镜图像上的胶体金点集进行全局匹配,产生胶体金的两两匹配对及对应的变换函数,该变换函数是指一个胶体金点集变换到另一个胶体金点集的变换函数。
发明人对电镜图像序列上胶体金的运动方式进行了深入研究,发现电镜图像序列的两个现象:一是不同图像上的胶体金的位置变化非常大;二是在某些图像中,因样品和背景明暗的变化,有些胶体金无法识别,另外图像边缘的变化也可能导致样品中有些胶体金位置的丢失,即样品中有些胶体金位置在某些角度的图像中无法找到对应的投影点。这些现象都会导致现有的基于局部信息的匹配方案失效,造成匹配错误。
发明人进一步发现,在弱透视投影的情况下,两张来自不同视角的对于同一平面物体的投射影像,其本身是遵循仿射变换的。而电子断层(ET)成像遵循仿射投影的规律,同一区域表面的两张二维投影图像的对应关系,可以用一个仿射变换表示。基于以上分析,在本发明的一个实施例中,提出了一种通过仿射变换下的点集匹配来解决全局性的胶体金点集两两匹配的方案。
为便于理解,首先将问题进行再抽象:用点集的概念来代表一张投影图像上识别的所有的胶体金的坐标;给定两个来自不同投影图像的点集M和S,实现胶体金点集两两匹配就是要达到如下目标:寻找到一个仿射变换T(·),使得点集T(M)与点集S在一定的距离误差下存在数量足够多的一致点。
仿射变换T(·)可以进一步被描述为:
x'=Ax+t
其中,x和x'分别代表两张投影图像中对应的点的二维坐标,A是2×2的转换矩阵,t是平移量。
对于两副电镜图像间的匹配,由于两副电镜图像中所提取的胶体金点数目可能不同,所以此处的点集匹配实际上是一种不完整的点集匹配,即两个点集的点的数目不同的前提下,对这两个点集进行仿射条件下的匹配。这种不完整的点集匹配问题的解决往往是及其耗时的。
因此,本实施例中,引入四点仿射一致性来减少不完整的点集匹配的计算的算法复杂度。图2示出了一个四点仿射变换示例图,如图2所示,a,b,c,d四个点组成点集S1,其中ab与cd的交点是e。点集S2是由S1经过一次仿射变换得到的,S2由a',b',c',d'四个点组成。在这个四点仿射变换示例中,对于比例r1=||a-e||/||a-b||和r2=||c-e||/||c-d||,有||a'-e'||/||a'-b'||=r1和||c'-e'||/||c'-d'||=r2。也就是说,四点仿射前后的两个比例r1和r2是保持不变的。这样,就能够以四点仿射为基础,把胶体金匹配问题转换为计算两个投影图像间一个合适的仿射变换的问题。
本实施例中,电镜图像之间的两两匹配基于随机抽样一致(RANSAC)原则的全局匹配实现,该电镜图像之间的两两匹配方法包括下列步骤:
步骤201:输入为两张投影图像的胶体金点集M,S及距离阈值distthre,其中距离阈值distthre用于判断两个点集中的点是否一致,在下文中将对此做进一步地介绍。
步骤202:找出胶体金点集S中所有的四点仿射组,得到四点仿射组集合Φ其中:Φ={Qi|Qi是S中的一个四点仿射对}。本实施例中,基于wide-base的概念来寻找点集中的所有的四点仿射组,需要说明的是,在电集中寻找所有四点仿射组的方式并不是唯一的。
步骤203:计算所有四点仿射组的一致性比例Q.inva1和Q.inva2。其中,Q.inva1代表四点仿射组Q的一致性比例r1=||a-e||/||a-b||,Q.inva2代表四点仿射组Q的一致性比例r2=||c-e||/||c-d||。
步骤204:创建四点仿射组集合Φ的kd搜索树,以Q.inva1和Q.inva2为搜索键。
步骤205:计算最大迭代次数,最大迭代次数由方程L=log(1-ps)/log(1-pg N)决定,其中ps是预设的想要达到的匹配成功概率,pg是两个点集之间的覆盖率,该覆盖率是指两个点集中匹配点所占的百分比。两个点集的点数可能不同,在一个例子中,取点数较大的点集来计算所述覆盖率,即覆盖率的取值为点数较大的点集中的匹配点数目占该点集总点数的百分比。同时,在该例子中,取N=4。
步骤206:从M中随机选择一个四点仿射组Pran,搜索kd树,找出键值与Pran的一致性比例相近的四点仿射组,构成集合Ψ。该集合Ψ是四点仿射组构成的集合。
步骤207:随机选取集合Ψ中的某个四点仿射组Qi,计算Pran到Qi的近似仿射变换T(·)。其中,i是集合Ψ中的四点仿射组的序号。本实施例中,近似仿射变换T(·)采用最小二乘法得出。
步骤208:计算M做仿射变换T(·)后与S中的点近似相等的点的集合,作为候选点集对C(T(M))和C(S),其中,判断两个点是否点近似相等的距离阈值取3distthre。C(·)表示对点集进行映射的函数,即在作为输入的点集中保留的能与另一点集中的点进行一一对应的点的集合。
步骤209:如果候选点集对中的点的数目未超过预设的匹配点数阈值,则舍弃当前的候选点集对,如果候选点集对中的点的数目超过预设的匹配点数阈值,则使用候选点集对C(M)和C(S)重新估计仿射变换T(·),使得T(C(M))近似等于C(S),再将T(·)应用到M,使用距离阈值distthre重新寻找两个点集的近似相等子集作为候选点集,最终的候选点集记为Pair<C(M),C(S)>。
步骤210:如果当前计算所得的候选点集对是当前所得到的拥有匹配点最多的点集对,更新匹配点集MATCH_PAIR,更新后的匹配点集为Pair<C(M),C(S)>。基于更新后的匹配点集计算两个点集之间的覆盖率pg。然后返回步骤205,更新最大迭代次数。
步骤211:重复步骤207~210,直至遍历Ψ中的所有四点仿射组,或者达到所述最大迭代次数。
本实施例中,kd-搜索树这一数据结构用来加速查找。wide-base的半径设置为胶体金半径的0.35倍。在对仿射变换进行估计时,本实施例提出了一个仿射变换的二阶估计方法:首先,估计从M中随机选择的四点仿射组Pran和与它对应的S中的一个四点对Qi的仿射变换T(·),然后用一个宽松的阈值(例如3distthre)筛选满足该仿射转换的候选点的集合对,如果候选点的集合对中的点数足够大,则重新估计T(·),再用一个严格的阈值(distthre)计算对应的候选点的集合对,以此等到一个更好的估计效果。MATCH_PAIR即是所寻找的两张图像间的全局胶体金匹配结果。
步骤3:基于电镜图像与其相邻图像的匹配结果,通过遍历图像序列进行胶体金点链的补全及生长,即在已经有胶体金点集两两匹配对及对应变换函数的情况下,生成和补全胶体金链。
在步骤2中,已求得一定范围内相邻图像的两两图像之间匹配的胶体金点,即胶体金点匹配对。在接下来的步骤3中,将这些胶体金点匹配对中的相同标记点串联起来,形成点链。例如有(1,2)-(2,3)和(1,2)-(3,4)两个匹配对,则可串联成(1,2)-(2,3)-(3,4),意为此点链包括第1幅图像的第1个标记点、第2幅图像的第3个标记点和第3幅图像的第4个标记点。
在一个实施例中,所述步骤3中,两两匹配点通过填入一个三维结构,生成可快速检索的点链。所述三维结构使用存储序列化的坐标信息的平衡二叉树作为同一图像的特征点的存储集合,通过各链接二叉树结点表述胶体金点间的串联关系。
步骤4:输出所有胶体金点链。
进一步地,由于图像的两两匹配(即每两副图像都完成一次匹配)是一个比较耗时的工作,所以通常只对相邻图像(即一定范围内的相邻角度拍摄的电镜图像)上的胶体金点进行全局性匹配。一方面,由于胶体金所对应的特征点通常是稳定可靠的,因此在一张图中出现的一个被匹配特征点,其相对应的特征点也很可能在其它图中出现并且具有传递性。另一方面,电镜图像序列是渐变的,因此,一张图中出现的一个被匹配特征点,其相对应的特征点最有可能在其邻居中出现。基于上述分析,在一个实施例中,对于一个特征点在nth图像,其对等点将有可能出现在n-1th、n+1th、n+2th图像上。因此基于上述前提,若要寻找nth与n+2th的匹配对,则匹配nth与n+1th、n+1th与n+2th即可。
因噪声或形变,匹配对的传递方式不会像上述分析的那么理想,在此,根据本发明的一个实施例,所述步骤2中,相邻图像的匹配策略如下:
步骤21:初始化step=1;
步骤22:对于图像序列中的每副图像,匹配nth与(n+step)th的特征集(调用前文所述的步骤201至211,完成的nth与(n+step)th图像的两两匹配);
步骤23:step+=1;
步骤24:重复21~23步骤,直到step超过MAX_STEP。
事实上,可能的特征链应该越长越好,即,MAX_STEP应该越大越好。但是,考虑到对于计算速度的需求,MAX_STEP应该越小越好。实际中,取MAX_STEP为3。
为验证本发明的效果,发明人使用了两组电镜图像序列数据进行检测。第一组数据为大小1024×1024的中心粒数据,共有64张图像,记为测试数据A;第二组数据为大小2048×2048的聚合分子高倍数显微数据,共有95张图像,记为测试数据B。示意性地,图3示出了测试数据A在0度角下的投影的电镜图像;图4示出了测试数据B在0度角下的投影的电镜图像。
为了比较胶体金点链的生成的效果,发明人将本发明一个实施例的方案与已经发表的另一种方法(RAPTOR算法)在同一套数据中所最终生成的胶体金点链进行了比较。图5示出了采用本发明一个实施例的方法在测试数据A中所匹配跟踪生成的胶体金链的长度的统计;图6示出了采用RAPTOR算法在测试数据A中所匹配跟踪生成的胶体金链的长度的统计。图7示出了采用本发明一个实施例的方法在测试数据B中所匹配跟踪生成的胶体金链的长度的统计;图8示出了采用RAPTOR算法在测试数据B中所匹配跟踪生成的胶体金链的长度的统计。可以发现,无论从最终生成的点链的数量上及点链的长度上,都是本发明的方案均显著占优。
进一步地,图9示出了在测试数据A中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标的叠加;图10示出了在测试数据B中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标的叠加;图11示出了在测试数据A中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标在校正后的叠加;图12示出了在测试数据B中采用本发明一个实施例的方法所得到的覆盖所有图像的点链的坐标在校正后的叠加。图9~12中,横纵坐标即是胶体金在原投影图像上的像素位置的横纵坐标。从图9~12的结果可知,本发明所提供的胶体金点链生成方案所生成的点链可以很好地用于电子显微图像序列的后期矫正中。
最后应说明的是,以上实施例仅用以描述本发明的技术方案而不是对本技术方法进行限制,本发明在应用上可以延伸为其它的修改、变化、应用和实施例,并且认为所有这样的修改、变化、应用、实施例都在本发明的精神和教导范围内。

Claims (10)

1.一种电子断层图像对位中的图像匹配方法,包括下列步骤:
1)对于待匹配的第一电镜图像和第二电镜图像,找出第一图像胶体金点集S和第二图像胶体金点集M中的四点仿射组;
2)随机选取第二图像胶体金点集M中的四点仿射组,找出一致性比例与该第二图像胶体金点集M中的四点仿射组接近的第一图像胶体金点集S中的四点仿射组作为映射的四点仿射组,基于映射的四点仿射组估计第一图像至第二图像的仿射变换T(·);
3)将第一图像的胶体金点代入步骤2)所得的仿射变换T(·),计算仿射变换后的第一图像的胶体金点与第二图像的近似点的数目;
4)重复执行步骤2)、3)直至得出最优仿射变换,所述最优仿射变换是使得所述近似点的数目最多的仿射变换T(·);
5)基于步骤4)所得的最优仿射变换得到第一电镜图像和第二电镜图像中的匹配的胶体金点集对。
2.根据权利要求1所述的电子断层图像对位中的图像匹配方法,其特征在于,所述步骤2)中,四点仿射组的一致性比例包括比例r1和比例r2,其中,假设四点仿射组S1由a,b,c,d四个点组成,ab与cd的交点是e,则比例r1=||a-e||/||a-b||,r2=||c-e||/||c-d||。
3.根据权利要求2所述的电子断层图像对位中的图像匹配方法,其特征在于,所述步骤3)中,第一图像仿射变换后与第二图像的近似点根据两点之间距离是否小于预设的距离误差阈值来确定。
4.根据权利要求3所述的电子断层图像对位中的图像匹配方法,其特征在于,所述步骤3)中,所述距离误差阈值包括:第一阈值和小于第一阈值的第二阈值,所述步骤3)包括下列子步骤:
31)将第一图像的胶体金点代入步骤2)所得的仿射变换T(·),基于第一阈值得到对应于仿射变换后的第一图像的胶体金点的第二图像的近似点;
32)基于预设的近似点数目阈值,根据步骤31)所得的近似点的数目,初步筛选出满足仿射变换的候选点集对;
33)对于步骤32)筛选出的满足仿射转换的候选点集对,重新估计仿射变换T(·),然后再用第二阈值重新得出第一图像与第二图像的近似点的数目。
5.根据权利要求4所述的电子断层图像对位中的图像匹配方法,其特征在于,所述步骤4)包括下列子步骤:
41)基于步骤33)所得的候选点集对,计算匹配点相对于第一电镜图像和第二电镜图像的原始胶体金点集的覆盖率,根据所述覆盖率更新最大迭代次数;
42)回到步骤2),再次随机选取第二图像胶体金点集M中的另一个四点仿射组,直至执行步骤2)的次数达到所述最大迭代次数,或者第二图像胶体金点集M中的四点仿射组已经遍历完毕。
6.根据权利要求1所述的电子断层图像对位中的图像匹配方法,其特征在于,所述步骤1)中,所述第一图像胶体金点集S的四点仿射组采用kd-搜索树的数据结构进行存储。
7.一种电子断层图像对位中的胶体金点链的生成方法,其特征在于,包括下列步骤:
a)对于电子断层图像序列中的任一电镜图像,将该电镜图像与相邻电镜图像组合,根据权利要求1~6中任一项所述的图像匹配方法进行两两匹配,得出该电镜图像与相邻电镜图像之间匹配的胶体金点集对;
b)通过遍历图像序列,基于各个电镜图像与其相邻图像的匹配结果,进行胶体金点链的补全及生长。
8.根据权利要求7所述的胶体金点链的生成方法,其特征在于,所述步骤a)还包括:对于电子断层图像序列中的任一电镜图像,将该电镜图像的前一张电镜图像和后两张电镜图像分别视为所述相邻电镜图像,并分别得出该电镜图像与三张所述相邻电镜图像之间匹配的胶体金点集对。
9.根据权利要求8所述的胶体金点链的生成方法,其特征在于,所述步骤b)还包括:基于步骤a)得出的所述胶体金点集对,将其中所有两两匹配的胶体金点均填入一个三维结构生成胶体金点链。
10.根据权利要求9所述的胶体金点链的生成方法,其特征在于,所述步骤b)中,所述三维结构使用存储序列化的坐标信息的平衡二叉树做为同一图像的特征点的存储集合,通过各链接二叉树结点表述胶体金点间的串联关系。
CN201510483078.8A 2015-08-07 2015-08-07 电子断层图像对位中的图像匹配及胶体金点链生成方法 Active CN105069792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510483078.8A CN105069792B (zh) 2015-08-07 2015-08-07 电子断层图像对位中的图像匹配及胶体金点链生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510483078.8A CN105069792B (zh) 2015-08-07 2015-08-07 电子断层图像对位中的图像匹配及胶体金点链生成方法

Publications (2)

Publication Number Publication Date
CN105069792A true CN105069792A (zh) 2015-11-18
CN105069792B CN105069792B (zh) 2018-01-26

Family

ID=54499149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510483078.8A Active CN105069792B (zh) 2015-08-07 2015-08-07 电子断层图像对位中的图像匹配及胶体金点链生成方法

Country Status (1)

Country Link
CN (1) CN105069792B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557623A (zh) * 2023-11-14 2024-02-13 上海月新生科信息科技有限公司 一种冷冻电镜图像序列的精准快速对齐方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6673536B1 (en) * 1999-09-29 2004-01-06 Rosetta Inpharmatics Llc. Methods of ranking oligonucleotides for specificity using wash dissociation histories
CN102982543A (zh) * 2012-11-20 2013-03-20 北京航空航天大学深圳研究院 一种多源遥感图像配准方法
CN103500448A (zh) * 2013-09-25 2014-01-08 华南理工大学 高密度封装元器件的仿射变换模型参数估计方法
CN103778433A (zh) * 2014-01-15 2014-05-07 东莞华中科技大学制造工程研究院 基于点到直线距离的广义点集匹配方法
CN103824294A (zh) * 2014-02-28 2014-05-28 中国科学院计算技术研究所 一种电子断层图像序列对位方法
CN104318583A (zh) * 2014-11-14 2015-01-28 武汉大学 一种可见光宽带光谱图像配准方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6673536B1 (en) * 1999-09-29 2004-01-06 Rosetta Inpharmatics Llc. Methods of ranking oligonucleotides for specificity using wash dissociation histories
CN102982543A (zh) * 2012-11-20 2013-03-20 北京航空航天大学深圳研究院 一种多源遥感图像配准方法
CN103500448A (zh) * 2013-09-25 2014-01-08 华南理工大学 高密度封装元器件的仿射变换模型参数估计方法
CN103778433A (zh) * 2014-01-15 2014-05-07 东莞华中科技大学制造工程研究院 基于点到直线距离的广义点集匹配方法
CN103824294A (zh) * 2014-02-28 2014-05-28 中国科学院计算技术研究所 一种电子断层图像序列对位方法
CN104318583A (zh) * 2014-11-14 2015-01-28 武汉大学 一种可见光宽带光谱图像配准方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557623A (zh) * 2023-11-14 2024-02-13 上海月新生科信息科技有限公司 一种冷冻电镜图像序列的精准快速对齐方法
CN117557623B (zh) * 2023-11-14 2024-05-14 上海月新生科信息科技有限公司 一种冷冻电镜图像序列的精准快速对齐方法

Also Published As

Publication number Publication date
CN105069792B (zh) 2018-01-26

Similar Documents

Publication Publication Date Title
CN107679537B (zh) 一种基于轮廓点orb特征匹配的无纹理空间目标姿态估计算法
CN111815757A (zh) 基于图像序列的大型构件三维重建方法
CN104134216B (zh) 基于16维特征描述的激光点云自动配准方法及系统
CN109215118B (zh) 一种基于图像序列的增量式运动结构恢复优化方法
CN104240229B (zh) 一种红外双目相机自适应极线校正方法
CN110070567A (zh) 一种地面激光点云配准方法
CN107610219A (zh) 一种三维场景重构中几何线索感知的像素级点云稠密化方法
CN108764250A (zh) 一种运用卷积神经网络提取本质图像的方法
CN108682029A (zh) 多尺度密集匹配方法和系统
CN113705796B (zh) 基于epi特征强化的光场深度获取卷积神经网络
CN111914615A (zh) 基于立体视觉的消防区域可通过性分析系统
CN103985154A (zh) 一种基于全局线性方法的三维模型重建方法
CN108876861B (zh) 一种地外天体巡视器的立体匹配方法
Gao et al. A general deep learning based framework for 3D reconstruction from multi-view stereo satellite images
Stucker et al. ResDepth: Learned residual stereo reconstruction
CN110132168A (zh) 一种三维激光点云数据处理系统
Zhang et al. Real-Time object detection for 360-degree panoramic image using CNN
CN112630469A (zh) 一种基于结构光和多光场相机的三维检测方法
CN107578429B (zh) 基于动态规划和全局代价累积路径的立体影像密集匹配方法
CN107123138A (zh) 基于vanilla‑R点对剔除策略的点云配准算法
CN107610216B (zh) 基于粒子群优化多视角立体点云生成方法及应用的摄像机
CN104331891A (zh) 一种融合显性度量和隐性度量的多模图像配准方法
CN117876397A (zh) 一种基于多视角数据融合的桥梁构件三维点云分割方法
CN115346016A (zh) 点云模型处理方法、装置及可读存储介质
CN105069792A (zh) 电子断层图像对位中的图像匹配及胶体金点链生成方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant