CN115984148A - 一种高通量基因测序数据的去噪增强方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，提出了一种高通量基因测序数据的去噪增强方法，包括：获取高通量基因测序数据，预处理获取高通量基因测序图像；设定初始滤波阈值，对图像进行高斯滤波，根据滤波前后图像中边缘检测得到的极值点的变化，获取初始滤波阈值的整体滤波有效性；根据滤波后图像中灰度值的分布获取初始滤波阈值的整体滤波信噪比，根据整体滤波有效性和整体滤波信噪比获取初始滤波阈值的滤波可信度，获取不同滤波阈值的滤波可信度，得到最优滤波阈值；根据最优滤波阈值对高通量基因测序图像进行高斯滤波，得到去噪增强后的高通量基因测序数据。本发明旨在通过自适应高斯滤波提高去噪增强效果。

Description

一种高通量基因测序数据的去噪增强方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种高通量基因测序数据的去噪增强方法。

背景技术

高通量基因测序数据承载着丰富的人类基因信息，其主要表现为图像形式，对于图像要求极高的清晰度已经成为衡量基因测序实验是否成功的重要环节，现有方法通常采用高斯滤波对图像进行去噪增强，从而得到较为清晰地高通量基因测序图像，并进行后续实验。

现有技术中通常对整张图像进行高斯滤波，这种方法在去除噪声的同时，会使得图像中的一些边缘细节信息丢失，进而图像中边缘部分变得模糊，不符合高通量基因测序图像高清晰度的要求，进而导致高通量基因测序实验数据不准确，从而制约了图像处理技术在高通量基因测序数据领域的应用；因此需要获取对于高通量基因测序图像自适应的高斯滤波，可以针对图像中噪声的局部区域进行去噪，同时不会影响图像中的边缘细节信息，以此来实现对高通量基因测序数据的去噪增强。

发明内容

本发明提供一种高通量基因测序数据的去噪增强方法，以解决现有的对整张图像进行高斯滤波导致图像模糊且去噪效果较差的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种高通量基因测序数据的去噪增强方法，该方法包括以下步骤：

获取高通量基因测序数据，灰度化获取高通量基因测序图像；

设定初始滤波阈值，根据每个滤波窗口内的灰度方差与初始滤波阈值获取若干滤波区域，对滤波区域进行滤波，通过边缘检测获取滤波过程中滤除掉的极值点，根据滤波前后每个滤波区域中灰度方差的变化、滤波区域中滤除掉的极值点数量以及滤除掉的极值点与邻域像素点的灰度差异，获取每个滤波区域的局部滤波有效性，根据所有滤波区域的局部滤波有效性获取初始滤波阈值的整体滤波有效性；

根据滤波后图像中灰度值的分布，获取每个滤波窗口的信号方差及噪声方差，根据信号方差及噪声方差获取每个初始滤波窗口的局部滤波信噪比，根据所有滤波窗口的局部滤波信噪比获取初始滤波阈值的整体滤波信噪比，根据整体滤波有效性及整体滤波信噪比获取初始滤波阈值的滤波可信度；

从初始滤波阈值开始以预设间隔逐次增大滤波阈值，通过初始滤波阈值的滤波可信度计算方法获取每个滤波阈值的滤波可信度，获取若干滤波阈值的滤波可信度，将滤波可信度的峰值对应的滤波阈值作为最优滤波阈值；

根据最优滤波阈值对高通量基因测序图像进行高斯滤波，得到去噪增强后的高通量基因测序数据。

可选的，所述通过边缘检测获取滤波过程中滤除掉的极值点，包括的具体方法为：

对滤波前的图像和滤波后的图像分别进行边缘检测，对两张图像的边缘检测结果作差，得到的差值图像中灰度值不为0的像素点即为被滤除掉的极值点。

可选的，所述获取每个滤波区域的局部滤波有效性，包括的具体方法为：

其中，表示第个滤波区域的局部滤波有效性，表示第个滤波区域中滤波前的灰度值方差减去滤波后的灰度值方差得到的差值，表示第个滤波区域中滤除掉的极值点的数量，表示第个滤波区域中第个滤除掉的极值点在滤波前的图像中邻域像素点中灰度值相近的像素点数量，表示邻域像素点的数量，表示以自然常数为底数的指数函数；

所述灰度值相近的像素点表示两个像素点的灰度值差值绝对值小于第一预设阈值。

可选的，所述获取每个滤波窗口的信号方差及噪声方差，包括的具体方法为：

获取每个滤波窗口中每个像素点的局部方差，将每个滤波窗口内最小的局部方差作为信号方差，最大的局部方差作为噪声方差；

所述局部方差表示每个像素点及其邻域像素点的灰度方差。

可选的，所述根据信号方差及噪声方差获取每个初始滤波窗口的局部滤波信噪比，包括的具体方法为：

其中，表示第个滤波窗口的局部滤波信噪比，表示第个滤波窗口中的信号方差，表示第个滤波窗口中的噪声方差。

可选的，所述根据整体滤波有效性及整体滤波信噪比获取初始滤波阈值的滤波可信度，包括的具体方法为：

其中，表示初始滤波阈值的滤波可信度，表示初始滤波阈值的整体滤波有效性，表示初始滤波阈值的整体滤波信噪比，及表示对于两个参数的参考权重。

本发明的有益效果是：本发明通过设定不同的滤波阈值，根据滤波阈值对高通量基因测序图像中的区域进行高斯滤波，通过滤波前后极值点的变化来量化滤波结果的有效性，其中通过滤除掉的极值点与邻域内其他像素点灰度值的差异来判断是边缘点还是噪声点，进而得到整体滤波有效性；通过滤波后图像的灰度值分布获取滤波信噪比，结合整体滤波有效性获取每个滤波阈值的滤波可信度，进而得到最优滤波阈值；通过最优滤波阈值对高通量基因测序图像进行高斯滤波，使得可以针对图像进行局部高斯滤波，避免去除图像中噪声的同时丢失了部分边缘细节信息；同时不同的高通量基因测序图像最终会得到不同的最优滤波阈值，达到了对于图像进行自适应高斯滤波的效果，进而使得去噪增强后地高通量基因测序数据更加精确，提高基因测序实验的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的一种高通量基因测序数据的去噪增强方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的一种高通量基因测序数据的去噪增强方法流程图，该方法包括以下步骤：

步骤S001、获取高通量基因测序数据，预处理获取高通量基因测序图像。

本实施例的目的是对高通量基因测序数据进行去噪增强，因此首先需要获取实验用的高通量基因测序数据，其中高通量基因测序数据表现为图像形式；对获取到的高通量基因测序数据进行灰度化处理，得到的灰度图像记为高通量基因测序图像。

至此，获取到了高通量基因测序图像，用于后续通过滤波进行去噪增强。

步骤S002、设定初始滤波阈值，对图像进行高斯滤波，根据滤波前后图像中边缘检测得到的极值点的变化，获取初始滤波阈值的整体滤波有效性。

需要说明的是，传统高斯滤波通常对整张图像都进行滤波处理，这会导致在对噪声去除的同时，也会丢失图像中的边缘细节信息，进而导致图像被模糊而影响图像的清晰度表现；由于高斯滤波通常是以一定大小的窗口对整张图像进行遍历并滤波，因此可以设定滤波阈值，对窗口内部像素点灰度值的方差大于等于滤波阈值的进行滤波，可以一定程度避免细节信息丢失；同时通过边缘检测滤波前后的图像，获取图像中的极值点，即灰度变化较大的像素点，根据极值点在滤波前后图像中的变化来量化滤波有效性；滤除掉的极值点在原图像中与邻域像素点灰度差异越大，极值点越可能是噪声点，滤波效果越好；滤除掉的极值点在原图像中与邻域像素点灰度差异越小，极值点越可能是边缘点，则滤除掉边缘点的滤波效果越差。

具体的，首先设定高斯滤波窗口，本实施例采用大小的窗口对图像进行高斯滤波，实际过程中实施者可根据情况设定滤波窗口大小，设定初始滤波阈值为，滤波窗口在图像进行遍历，对窗口内像素点灰度值的方差大于等于初始滤波阈值的进行高斯滤波，得到滤波后的图像，同时获取到了若干滤波区域，每个滤波区域即为一个进行过高斯滤波的滤波窗口。

进一步的，对滤波前的图像和滤波后的图像分别进行边缘检测，其中边缘检测通过canny算法进行检测，为现有技术，本实施例不再赘述；将两张图像的边缘检测结果中灰度值非0的像素点记为极值点，极值点包括图像中的边缘点以及噪声点；对两张图像的边缘检测结果作差，得到的差值图像中灰度值不为0的像素点即为被滤除掉的极值点。

进一步需要说明的是，在图像中边缘部分是连续的，边缘点是存在较大的梯度变化，但由于连续分布，其邻域内存在一定数量灰度值相近的其他像素点；而噪声点较为分散，通常孤立分布，则其邻域内几乎没有灰度值相近的其他像素点；通过这种差异表现，结合每个滤波区域内滤波前后灰度方差的变化，量化每个滤波区域的局部滤波有效性，

具体的，首先给出第一预设阈值用于判断灰度值相近，本实施例第一预设阈值采用10进行计算，将灰度差值绝对值小于第一预设阈值的两个像素点认为是灰度相近的像素点；以第个滤波区域为例，获取该滤波区域的局部滤波有效性的具体计算方法为：

其中，表示第个滤波区域中滤波前的灰度值方差减去滤波后的灰度值方差得到的差值，表示第个滤波区域中滤除掉的极值点的数量，表示第个滤波区域中第个滤除掉的极值点在滤波前的图像中邻域像素点中灰度值相近的像素点数量，表示邻域像素点的数量，本实施例采用进行计算，表示以自然常数为底数的指数函数；滤波前后的灰度值方差的差值越大，表示滤波前后滤波区域内灰度值变得越相近，滤波作用越强，对滤波有效性的影响越大；滤除掉的极值点中，邻域内灰度值相近的像素点数量越少，极值点为噪声点的可能性越大，被滤除掉的越多则滤波有效性越好；相反邻域内灰度值相近的像素点数量越多，极值点为边缘点的可能性越大，被滤除掉的越多则滤波有效性越差；需要说明的是，本实施例采用来呈现反比例关系，实施者可根据实际情况选择其他反比例函数；按照上述方法获取每个滤波区域的局部滤波有效性，将所有滤波区域的局部滤波有效性进行线性归一化，得到的结果的均值作为初始滤波阈值的整体滤波有效性。

至此，获取到了初始滤波阈值的整体滤波有效性，用于后续量化初始滤波阈值的滤波效果。

步骤S003、根据滤波后图像中灰度值的分布获取初始滤波阈值的整体滤波信噪比，根据整体滤波有效性和整体滤波信噪比获取初始滤波阈值的滤波可信度，获取不同滤波阈值的滤波可信度，得到最优滤波阈值。

需要说明的是，对滤波后图像中每个滤波窗口分析其中像素点与邻域的局部方差，将每个滤波窗口内最小的局部方差作为信号方差，最大的局部方差作为噪声方差，通过信号方差与噪声方差获取局部滤波信噪比，越大的信噪比表明图像质量越好，进而得到整体滤波信噪比。

具体的，首先获取每个滤波窗口中每个像素点的局部方差，所述局部方差即每个像素点及其邻域像素点的灰度方差，本实施例中邻域像素点采用八邻域进行计算；需要说明的是，所述滤波窗口包括滤波区域以及未进行滤波的滤波窗口；将每个滤波窗口内最小的局部方差作为信号方差，最大的局部方差作为噪声方差；则对于第个滤波窗口，其局部滤波信噪比的具体计算方法为：

其中，表示第个滤波窗口中的信号方差，表示第个滤波窗口中的噪声方差；通过信号方差与噪声方差的比值获取局部滤波信噪比，比值越小，信噪比越大，滤波后图像中信号部分质量越好；按照上述方法获取每个滤波窗口的局部滤波信噪比，将所有局部滤波信噪比线性归一化，得到的结果的均值作为初始滤波阈值的整体滤波信噪比。

进一步的，根据整体滤波有效性和整体滤波信噪比获取初始滤波阈值的滤波可信度，具体的计算方法为：

其中，表示初始滤波阈值的整体滤波有效性，表示初始滤波阈值的整体滤波信噪比，及表示对于两个参数的参考权重，本实施例认为有效性和信噪比对于滤波可信度一样重要，因此参考权重采用进行计算；此时，整体滤波有效性越大，滤波效果越好，滤波可信度越大；整体滤波信噪比越大，滤波后的图像质量越好，滤波可信度越大；因此越大的滤波可信度，滤波的去噪增强效果越好，且同时去除了噪声并较好保留了图像中的边缘细节信息。

进一步需要说明的是，由于初始滤波阈值设置为0，因此通过逐次增大滤波阈值，并获取不同滤波阈值的滤波可信度，通过滤波阈值及滤波可信度，根据其中的峰值获取最优滤波阈值；由于随着滤波阈值增大，滤波区域逐渐减少，相应的当带有噪声点的滤波窗口内灰度方差都小于滤波阈值时，滤波可信度就会开始下降，因此会出现峰值。

具体的，从初始滤波阈值开始，每次对滤波阈值增加预设间隔，本实施例预设间隔采用5进行计算，逐次增大，并按照上述方法计算每个滤波阈值的滤波可信度；以横坐标为滤波阈值，纵坐标为滤波可信度，将每个滤波阈值及滤其滤波可信度置于坐标系中，得到若干坐标点；当随着滤波阈值增加，滤波可信度连续下降的时候，将开始下降时的坐标点对应滤波可信度作为峰值，对应的滤波阈值作为最优滤波阈值，本实施例以连续五个坐标点下降作为峰值判断依据。

至此，获取到了最优滤波阈值，通过最优滤波阈值可以较好地对高通量基因测序图像进行高斯滤波。

步骤S004、根据最优滤波阈值对高通量基因测序图像进行高斯滤波，得到去噪增强后的高通量基因测序数据。

根据已经获取到的最优滤波阈值，将其高斯滤波后的图像作为最终输出的去噪增强图像，记为去噪增强后的高通量基因测序数据。

至此，完成了对于高通量基因测序数据的去噪增强，去除了图像中噪声的同时，较好地保留了图像中的边缘信息，从而保证图像的清晰度，进而提高基因测序实验结果的准确性。

需要说明的是，本实施例在计算局部滤波有效性及局部滤波信噪比的过程中，存在某些边缘点的邻域点不在图像范围内，即图像边界部分像素点的邻域点数量不足，本实施例采用二次线性插值的方法对边界部分像素点的邻域点进行填充。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种高通量基因测序数据的去噪增强方法，其特征在于，该方法包括以下步骤：

获取高通量基因测序数据，灰度化获取高通量基因测序图像；

设定初始滤波阈值，根据每个滤波窗口内的灰度方差与初始滤波阈值获取若干滤波区域，对滤波区域进行滤波，通过边缘检测获取滤波过程中滤除掉的极值点，根据滤波前后每个滤波区域中灰度方差的变化、滤波区域中滤除掉的极值点数量以及滤除掉的极值点与邻域像素点的灰度差异，获取每个滤波区域的局部滤波有效性，根据所有滤波区域的局部滤波有效性获取初始滤波阈值的整体滤波有效性；

根据滤波后图像中灰度值的分布，获取每个滤波窗口的信号方差及噪声方差，根据信号方差及噪声方差获取每个初始滤波窗口的局部滤波信噪比，根据所有滤波窗口的局部滤波信噪比获取初始滤波阈值的整体滤波信噪比，根据整体滤波有效性及整体滤波信噪比获取初始滤波阈值的滤波可信度；

从初始滤波阈值开始以预设间隔逐次增大滤波阈值，通过初始滤波阈值的滤波可信度计算方法获取每个滤波阈值的滤波可信度，获取若干滤波阈值的滤波可信度，将滤波可信度的峰值对应的滤波阈值作为最优滤波阈值；

根据最优滤波阈值对高通量基因测序图像进行高斯滤波，得到去噪增强后的高通量基因测序数据。

2.根据权利要求1所述的一种高通量基因测序数据的去噪增强方法，其特征在于，所述通过边缘检测获取滤波过程中滤除掉的极值点，包括的具体方法为：

对滤波前的图像和滤波后的图像分别进行边缘检测，对两张图像的边缘检测结果作差，得到的差值图像中灰度值不为0的像素点即为被滤除掉的极值点。

3.根据权利要求1所述的一种高通量基因测序数据的去噪增强方法，其特征在于，所述获取每个滤波区域的局部滤波有效性，包括的具体方法为：

其中，表示第个滤波区域的局部滤波有效性，表示第个滤波区域中滤波前的灰度值方差减去滤波后的灰度值方差得到的差值，表示第个滤波区域中滤除掉的极值点的数量，表示第个滤波区域中第个滤除掉的极值点在滤波前的图像中邻域像素点中灰度值相近的像素点数量，表示邻域像素点的数量，表示以自然常数为底数的指数函数；

所述灰度值相近的像素点表示两个像素点的灰度值差值绝对值小于第一预设阈值。

4.根据权利要求1所述的一种高通量基因测序数据的去噪增强方法，其特征在于，所述获取每个滤波窗口的信号方差及噪声方差，包括的具体方法为：

获取每个滤波窗口中每个像素点的局部方差，将每个滤波窗口内最小的局部方差作为信号方差，最大的局部方差作为噪声方差；

所述局部方差表示每个像素点及其邻域像素点的灰度方差。

5.根据权利要求1所述的一种高通量基因测序数据的去噪增强方法，其特征在于，所述根据信号方差及噪声方差获取每个初始滤波窗口的局部滤波信噪比，包括的具体方法为：

其中，表示第个滤波窗口的局部滤波信噪比，表示第个滤波窗口中的信号方差，表示第个滤波窗口中的噪声方差。

6.根据权利要求1所述的一种高通量基因测序数据的去噪增强方法，其特征在于，所述根据整体滤波有效性及整体滤波信噪比获取初始滤波阈值的滤波可信度，包括的具体方法为：

其中，表示初始滤波阈值的滤波可信度，表示初始滤波阈值的整体滤波有效性，表示初始滤波阈值的整体滤波信噪比，及表示对于两个参数的参考权重。

Images