CN105550990A - 一种dna测序的傅里叶配准方法及装置 - Google Patents
一种dna测序的傅里叶配准方法及装置 Download PDFInfo
- Publication number
- CN105550990A CN105550990A CN201510909899.3A CN201510909899A CN105550990A CN 105550990 A CN105550990 A CN 105550990A CN 201510909899 A CN201510909899 A CN 201510909899A CN 105550990 A CN105550990 A CN 105550990A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- magnetic bead
- registration
- fourier
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 108091028043 Nucleic acid sequence Proteins 0.000 title abstract 2
- 239000011324 bead Substances 0.000 claims abstract description 73
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000001712 DNA sequencing Methods 0.000 claims description 29
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000002073 fluorescence micrograph Methods 0.000 abstract 4
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 abstract 2
- 108020004414 DNA Proteins 0.000 abstract 2
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 abstract 2
- 238000007499 fusion processing Methods 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 235000004418 Durio kutejensis Nutrition 0.000 description 1
- 240000002669 Durio kutejensis Species 0.000 description 1
- 238000012408 PCR amplification Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004530 micro-emulsion Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种DNA测序的傅里叶配准方法及装置,方法包括:获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;获取所述DNA图谱的第一像素和第二像素;计算第一像素和第二像素的灰度均值的全局阈值T;计算第一像素和第二像素的方差σ2;若方差在预设范围内,则以T为全局阈值对所述图谱进行分割;获取四种荧光图像;以图谱为基准图像,对四种荧光图像进行傅里叶配准,得到配准后的荧光图像;在所述配准后的四种荧光图像中查找的磁珠中心点;对所述中心点进行融合处理,以获得融合后的磁珠中心点。避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
Description
技术领域
本发明涉及DNA测序分析领域,尤其涉及一种DNA测序的傅里叶配准方法及装置。
背景技术
在DNA测序技术领域,整体操作流程描述如下:DNA样品通过破碎后,应用建库试剂进行加接头、单链捕获、结合至微球、微乳液PCR扩增、破乳液,获得建立在微球上的DNA文库,应用加样板将文库和测序反应需要的酶等铺放至具有微反应池的测序芯片,测序芯片和测序试剂安装至主机上,通过控制计算机根据模块数量和位置启动测序程序,自动化进行测序反应,产生的数据传输至数据分析计算机,完成测序后应用计算分析软件进行图像处理、序列读出、质量分析、序列拼接等工作,最终得到DNA样本的序列信息。微反应池测序芯片是测序反应的载体,载有测序模板的DNABeads及各种测序反应用酶均位于刻有微反应池的测序芯片中。
在对反应芯片的图像采集、识别后,对图像配准的精确性严重影响对碱基类型的判定。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本创作。
发明内容
本发明的目的在于提供一种DNA测序的傅里叶配准方法及装置,用以克服上述技术缺陷。
为实现上述目的,本发明提供一种DNA测序的傅里叶配准方法,包括:
获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
若方差在预设范围内,则以T为全局阈值对所述图谱进行分割;
获取CY3、CY5、FAM和TXR四种荧光图像;
以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
在所述配准后的四种荧光图像中查找的磁珠中心点;
对所述中心点进行融合处理,以获得融合后的磁珠中心点。
进一步地,所述以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
具体包括:
基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为:
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);
根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
进一步地,在所述配准后的四种荧光图像中查找的磁珠中心点,具体包括:
对所述配准后的四种荧光图像识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
进一步地,在所述配准后的四种荧光图像中查找的磁珠中心点,还包括:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
进一步地,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
本发明还提供一种DNA测序的傅里叶配准装置,其特征在于,包括:
获取模块,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
计算模块,用于获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割;
图像配准模块,所述图像配准模块包括:
荧光获取模块,用于获取CY3、CY5、FAM和TXR四种荧光图像;
对准模块,用于以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
查找模块,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
进一步地,所述对准模块具体包括:傅里叶变换模块,用于基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为;
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
重采样模块,用于对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
进一步地,所述查找模块具体用于:
磁珠识别模块,用于对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
进一步地,所述查找模块还用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
进一步地,所述获取模块具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
本发明提供一种DNA测序的傅里叶配准方法及装置,通过获得第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割,通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点。运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
附图说明
图1为本发明实施例一提供的DNA测序的傅里叶配准方法的流程图;
图2为本发明实施例二提供的DNA测序的傅里叶配准方法的流程图;
图3为本发明实施例三提供的DNA测序的傅里叶配准方法的流程图;
图4为本发明实施例四提供的DNA测序的傅里叶配准装置的结构示意图;
图5为本发明实施例五提供的DNA测序的傅里叶配准装置的结构示意图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例一
请参阅图1所示,其为本发明实施例一提供的DNA测序的傅里叶配准方法的流程图,包括:
步骤101,获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
具体地,可以通过以下方式实现对DNA图谱的获取:
反应液进入DNA测序仪的反应芯片中进行化学反应,产生可见光;CCD相机在适当的拍照位置,对反应芯片中产生的可见光信息进行拍照采集DNA图谱。
更为具体的,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
经上述公式(6)采样,在信号幅值越大时,采样越密集,采样数据的可参考性越强;采样对信号数据按照预设条件采样,使得后续的信号处理数据量减小,减轻数据处理的繁杂运算。
步骤102,获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
步骤103,计算第一像素和第二像素的灰度均值的全局阈值T;
步骤104,计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
步骤105,若方差在预设范围内,则以T为全局阈值对所述图谱进行分割。
步骤106,获取CY3、CY5、FAM和TXR四种荧光图像;
具体地,当CCD相机拍照获取的DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。
步骤107,以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
步骤108,在所述配准后的荧光图像中查找的磁珠中心点;
步骤109,对所述中心点进行融合处理,以获得融合后的磁珠中心点。
具体地,通常情况下,每个磁珠在CY3、CY5、FAM和TXR四种图像中的一幅图像比较亮,其他三幅比较暗。但是不同通道采集信号时,由于曝光时间和增益值的设定不同,出现两幅图像中同一个磁珠都亮,并且从两幅图像查找出来的磁珠中心点不在同一个像素上,此时需要踢出多余的磁珠中心点。
实施例中,实施例中,通过获得第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割,通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点。运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
实施例二
图2为本发明实施例二提供的DNA测序的傅里叶配准的流程图,请参阅图2,本实施例在实施例一的基础上,进行进一步限定,本实施例中,所述以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像可以包括:
步骤201,基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为:
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);
步骤202,根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
步骤203,对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
实施例中,通过傅里叶变换对CY3、CY5、FAM和TXR四种荧光图像配准,得到配准后的荧光图像,大大降低运算量,提高运算速度。
实施例三
图3为本发明实施例三提供的DNA测序的傅里叶配准方法的流程图,请参阅图3,本实施例在实施例一的基础上,进行进一步限定,本实施例中,
在所述配准后的荧光图像中查找的磁珠中心点,具体包括:
步骤301,对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
优选的,还可以包括:
步骤302,遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
实施例四
图4为本发明实施例四提供的DNA测序的傅里叶配准装置的结构示意图,请参阅图4,本实施例提供的一种DNA测序的傅里叶配准装置,包括:
获取模块1,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
具体地,可以通过以下方式实现对DNA图谱的获取:
反应液进入DNA测序仪的反应芯片中进行化学反应,产生可见光;CCD相机在适当的拍照位置,对反应芯片中产生的可见光信息进行拍照采集DNA图谱。
更为具体地,所述获取模块1具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
经上述公式(6)采样,在信号幅值越大时,采样越密集,采样数据的可参考性越强;采样对信号数据按照预设条件采样,使得后续的信号处理数据量减小,减轻数据处理的繁杂运算。
计算模块2,用于获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块3,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块4,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割。
还包括:
图像配准模块5,所述图像配准模块5包括:
荧光获取模块51,用于获取CY3、CY5、FAM和TXR四种荧光图像;
具体地,当CCD相机拍照获取的DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。
对准模块52,用于以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像;
查找模块53,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块54,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
具体地,通常情况下,每个磁珠在CY3、CY5、FAM和TXR四种图像中的一幅图像比较亮,其他三幅比较暗。但是不同通道采集信号时,由于曝光时间和增益值的设定不同,出现两幅图像中同一个磁珠都亮,并且从两幅图像查找出来的磁珠中心点不在同一个像素上,此时需要踢出多余的磁珠中心点。
实施例中,实施例中,通过获得第一像素和第二像素,计算第一像素和第二像素的灰度均值的全局阈值T;以及计算第一像素和第二像素的方差σ2若方差在预设范围内,则以T为全局阈值对所述图谱进行分割,
通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像,
在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点。运行时间短,对图像分割效果好,提高对反应芯片的图像采集后,对图像识别的准确性,进而精确对碱基类型的判定。
实施例五
图5为本发明实施例五提供的DNA测序的傅里叶配准装置的结构示意图,请参阅图5,本实施例在实施例四的基础上,进行进一步限定,本实施例中,所述对准模块52具体包括:
傅里叶变换模块521,用于基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为:
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);
根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
重采样模块522,用于对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
实施例中,通过傅里叶变换对CY3、CY5、FAM和TXR四种荧光图像配准,得到配准后的荧光图像,大大降低运算量,提高运算速度。
实施例六
请再次参阅图4,本实施例在实施例四的基础上,进行进一步限定,本实施例中,查找模块53具体用于:对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
优选的,所述查找模块53还可以用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
实施例中,针对DNA图谱模糊不清时,而荧光图像清楚时,可以通过获取荧光图像,进行磁珠识别。通过获取CY3、CY5、FAM和TXR四种荧光图像,以所述图谱为基准图像,对所述四种荧光图像进行配准,得到配准后的荧光图像,在所述配准后的荧光图像中查找的磁珠中心点,对所述中心点进行融合处理,以获得融合后的磁珠中心点,避免了常规图谱中图像模糊不清,磁珠漏查的情况。并且,识别算法简单,速率快,提高了磁珠识别率。
上述详细说明是针对本发明其中之一可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明技术方案的范围内。
Claims (10)
1.一种DNA测序的傅里叶配准方法,其特征在于,包括:
获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
若方差在预设范围内,则以T为全局阈值对所述图谱进行分割;
获取CY3、CY5、FAM和TXR四种荧光图像;
以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
在所述配准后的四种荧光图像中查找的磁珠中心点;
对所述中心点进行融合处理,以获得融合后的磁珠中心点。
2.根据权利要求1所述的DNA测序的傅里叶配准方法,其特征在于,
所述以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
具体包括:
基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为:
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);
根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
3.根据权利要求2所述的DNA测序的傅里叶配准方法,其特征在于,在所述配准后的四种荧光图像中查找的磁珠中心点,具体包括:
对所述配准后的四种荧光图像识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
4.根据权利要求3所述的DNA测序的傅里叶配准方法,其特征在于,在所述配准后的四种荧光图像中查找的磁珠中心点,还包括:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
5.根据权利要求1所述的DNA测序的傅里叶配准方法,其特征在于,获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
6.一种DNA测序的傅里叶配准装置,其特征在于,包括:
获取模块,用于获取图谱信息,在对每个图谱的采样时间间隔内分别获取DNA图谱;
计算模块,用于获取所述DNA图谱的第一像素和第二像素,其中,第一像素A为目标像素,第一像素的灰度值大于或等于初始分割阈值T0,像素总数为N;第二像素B为背景像素,第二像素的灰度值小于初始分割阈值T0,像素总数为M;图谱f(i,j)的最大值为Vmax,最小值为Vmin
其中,T0=1/2(Vmin+Vmax)(1);
计算第一像素和第二像素的灰度均值的全局阈值T;
方差计算模块,用于计算第一像素和第二像素的方差σ2
σ2=(PA+PB)(T-T0)2(3);
其中,第一像素的概率为:
第二像素的概率为:
分割模块,用于当方差在预设范围内,以T为全局阈值对所述图谱进行分割;
图像配准模块,所述图像配准模块包括:
荧光获取模块,用于获取CY3、CY5、FAM和TXR四种荧光图像;
对准模块,用于以所述图谱为基准图像,对所述四种荧光图像进行傅里叶配准,得到配准后的荧光图像;
查找模块,用于在所述配准后的四种荧光图像中查找的磁珠中心点;
融合模块,用于对所述中心点进行融合处理,以获得融合后的磁珠中心点。
7.根据权利要求6所述的DNA测序的傅里叶配准装置,其特征在于,
所述对准模块具体包括:傅里叶变换模块,用于基准图像f1(x,y),第一图像f2(x,y)的关系为:
f2(x,y)=f1(xcosθ0+ysinθ0-Δx,-xsinθ0+ycosθ0-Δy)(6);
其中,第一图像为CY3、CY5、FAM和TXR四种荧光图像中的一种;
分别对所述基准图像和所述第一图像进行傅里叶变换,得到所述傅里叶变换后的基准图像M2(u,v)功率谱与所述傅里叶变换后的第一图像M1(u,v)功率谱的关系为;
M2(u,v)=M2(ucosθ0+vsinθ0,-usinθ0+vsinθ0)(7);
转化到极坐标,
M2(r,θ)=M1(r,θ-θ0)(8);根据旋转角度θ0,对图像f2(x,y)进行旋转逆变换,求得平移量(Δx,Δy);
重采样模块,用于对所述第一图像进行几何变换和重采样,得到配准后的荧光图像。
8.根据权利要求7所述的DNA测序的傅里叶配准装置,其特征在于,所述查找模块具体用于:
磁珠识别模块,用于对图谱识别磁珠像素,如果f(i,j)最小值min(i,j)差值的绝对值大于等于T0,则识别为磁珠,否则,为背景像素。
9.根据权利要求8所述的DNA测序的傅里叶配准装置,其特征在于,所述查找模块还用于:
遍历所述磁珠像素,获取磁珠中心像素,其中,磁珠中心像素为,当前点的灰度值等于以当前点为中心的4*4像素区域内灰度的最大值,且当前点的四邻域都是目标像素。
10.根据权利要求6所述的DNA测序的傅里叶配准装置,其特征在于,所述获取模块具体用于在获取图谱信息时,对信号波形,在每连续的K个周期内,每周期选择n个预设时刻的采样点,每间隔时间T0采样一次,连续取样M次;为了保证取样数据的可参考性与准确性,在每一周期内选择的n个采样点的时间间隔Δt按照下述公式计算,
式中,Δt表示采样点的时间间隔,a为修正系数,其大小由采样点数量决定,ω表示拍照信号的角频率,由CCD相机的性能决定,β为初始相角,T表示信号周期的时间,λ表示信号波形的峰值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510909899.3A CN105550990B (zh) | 2015-12-10 | 2015-12-10 | 一种基于傅里叶配准的dna图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510909899.3A CN105550990B (zh) | 2015-12-10 | 2015-12-10 | 一种基于傅里叶配准的dna图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105550990A true CN105550990A (zh) | 2016-05-04 |
CN105550990B CN105550990B (zh) | 2017-07-28 |
Family
ID=55830166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510909899.3A Active CN105550990B (zh) | 2015-12-10 | 2015-12-10 | 一种基于傅里叶配准的dna图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550990B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573466A (zh) * | 2017-03-09 | 2018-09-25 | 广州康昕瑞基因健康科技有限公司 | 图像配准方法和系统及图像拍摄对位方法和系统 |
WO2019196019A1 (zh) * | 2018-04-10 | 2019-10-17 | 深圳华大智造科技有限公司 | 荧光图像配准方法、基因测序仪及系统、存储介质 |
CN112288781A (zh) * | 2018-08-22 | 2021-01-29 | 深圳市真迈生物科技有限公司 | 图像配准方法、装置和计算机程序产品 |
CN115187643A (zh) * | 2022-06-20 | 2022-10-14 | 深圳赛陆医疗科技有限公司 | 图像配准和模板构建方法、装置、电子设备及存储介质 |
CN116137036A (zh) * | 2023-04-19 | 2023-05-19 | 吉林省英华恒瑞生物科技有限公司 | 基于机器学习的基因检测数据智能处理系统 |
CN117372485A (zh) * | 2023-10-12 | 2024-01-09 | 长光辰英(杭州)科学仪器有限公司 | 基于相位谱与幅度谱重组的一维相位相关图像配准方法 |
US12008775B2 (en) | 2018-08-22 | 2024-06-11 | Genemind Biosciences Company Limited | Method and device for image registration, and computer program product |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009020506A1 (en) * | 2007-08-08 | 2009-02-12 | Maxwell Sensors, Inc. | Apparatus and method for digital magnetic beads analysis |
CN102521834A (zh) * | 2011-12-12 | 2012-06-27 | 上海海事大学 | 采用极对数坐标表示的分数阶傅里叶变换的图像配准方法 |
-
2015
- 2015-12-10 CN CN201510909899.3A patent/CN105550990B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009020506A1 (en) * | 2007-08-08 | 2009-02-12 | Maxwell Sensors, Inc. | Apparatus and method for digital magnetic beads analysis |
CN102521834A (zh) * | 2011-12-12 | 2012-06-27 | 上海海事大学 | 采用极对数坐标表示的分数阶傅里叶变换的图像配准方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573466A (zh) * | 2017-03-09 | 2018-09-25 | 广州康昕瑞基因健康科技有限公司 | 图像配准方法和系统及图像拍摄对位方法和系统 |
WO2019196019A1 (zh) * | 2018-04-10 | 2019-10-17 | 深圳华大智造科技有限公司 | 荧光图像配准方法、基因测序仪及系统、存储介质 |
US11682125B2 (en) | 2018-04-10 | 2023-06-20 | Mgi Tech Co., Ltd. | Fluorescence image registration method, gene sequencing instrument, and storage medium |
CN112288781A (zh) * | 2018-08-22 | 2021-01-29 | 深圳市真迈生物科技有限公司 | 图像配准方法、装置和计算机程序产品 |
US12008775B2 (en) | 2018-08-22 | 2024-06-11 | Genemind Biosciences Company Limited | Method and device for image registration, and computer program product |
CN115187643A (zh) * | 2022-06-20 | 2022-10-14 | 深圳赛陆医疗科技有限公司 | 图像配准和模板构建方法、装置、电子设备及存储介质 |
WO2023246091A1 (zh) * | 2022-06-20 | 2023-12-28 | 深圳赛陆医疗科技有限公司 | 图像配准和模板构建方法、装置、电子设备及存储介质 |
CN116137036A (zh) * | 2023-04-19 | 2023-05-19 | 吉林省英华恒瑞生物科技有限公司 | 基于机器学习的基因检测数据智能处理系统 |
CN117372485A (zh) * | 2023-10-12 | 2024-01-09 | 长光辰英(杭州)科学仪器有限公司 | 基于相位谱与幅度谱重组的一维相位相关图像配准方法 |
CN117372485B (zh) * | 2023-10-12 | 2024-04-16 | 长光辰英(杭州)科学仪器有限公司 | 基于相位谱与幅度谱重组的一维相位相关图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105550990B (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550990A (zh) | 一种dna测序的傅里叶配准方法及装置 | |
CN105427327A (zh) | 一种dna测序的图像配准方法及装置 | |
CN105551034A (zh) | 一种dna测序的图像识别的预处理方法及装置 | |
CN105303187A (zh) | 一种dna测序的图像识别方法及装置 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN107341453B (zh) | 一种车道线提取方法及装置 | |
CN104376548B (zh) | 一种基于改进型surf算法的图像快速拼接方法 | |
CN112818990B (zh) | 目标检测框的生成方法、图像数据自动标注方法及系统 | |
CN107895372A (zh) | 一种用于机器人涂胶检测的胶条骨架线自动示教方法及系统 | |
CN106407924A (zh) | 基于路面特征的双目道路识别检测方法 | |
US11164012B2 (en) | Advanced driver assistance system and method | |
CN104318559A (zh) | 用于视频图像匹配的特征点快速检测方法 | |
CN114580559A (zh) | 一种基于单目视觉系统的测速方法 | |
CN112927303A (zh) | 一种基于车道线的自动驾驶车载相机位姿估计方法及系统 | |
CN106156691A (zh) | 复杂背景图像的处理方法及其装置 | |
CN105427328A (zh) | 一种dna测序的互信息图像配准方法及装置 | |
CN109087333A (zh) | 基于相关性滤波跟踪算法的目标尺度估计方法及其装置 | |
CN106408589A (zh) | 基于车载俯视相机的车辆运动测量方法 | |
CN111881748B (zh) | 一种基于vbai平台建模的车道线视觉识别方法和系统 | |
CN105447876A (zh) | 一种dna测序的图像的磁珠提取方法及装置 | |
CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
CN109766012B (zh) | 视线计算方法及装置 | |
CN113850200B (zh) | 一种基因芯片的判读方法、装置、设备及存储介质 | |
CN101783017B (zh) | 用于从灰度图像中提取x型角点的快速处理方法 | |
CN111611872A (zh) | 新型双目视觉车辆检测方法及检测系统 |
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 |