基于改进TPS模型的凝胶图像校正算法制造技术

本发明专利技术公开了基于改进TPS模型的凝胶图像校正算法，包括：对比失真图像与模板图像获得形变程度系数β和失真图像的列数nclm，引入高度校正系数得到“笑脸”形变模型；获取失真图像与模板图像中n对相应失真图像标记点坐标ipts和模板图像标记点坐标opts，利用“笑脸”形变模型对坐标ipts进行变换得到标记点坐标Sipts；利用标记点坐标Sipts和模板图像标记点坐标opts，获得TPS形变模型的未知参数wi(i＝1…n),a0,ax,ay；建立与失真图像尺寸大小相等的灰度值为零的图像wimg，对其坐标进行“笑脸”形变和TPS形变；根据失真图像与模板图像坐标间的对应关系，将模板图像的灰度值赋给灰度值为零的图像wimg；赋值后得到的图像wimg就是校正后的图像。本申请比原有校正算法能取得更好的校正效果，为凝胶图像的匹配提供良好的前提条件。

【技术实现步骤摘要】

本专利技术涉及基于计算机的双向凝胶图像分析
，尤涉及双向凝胶图像的形 变校正方法。
技术介绍
双向凝胶电泳方法可以追溯到1975年，但到目前为止这项技术仍被认为是实现 蛋白质分离的最有效的方法。双向凝胶的第一向基于蛋白质的等电点不同用等电聚焦分 离，第二向则按分子量的不同用聚丙烯酰胺凝胶电泳（SDS-PAGE)分离，把复杂蛋白质混合 物中的蛋白质在二维平面上分开，对最终结果进行扫描可视化得到双向凝胶（2-DE)图像。 2-DE图像中，蛋白质表现为不同形状、不同大小和不同灰度的点。由于蛋白质样本结构的 不同，例如在不同的盐浓度中，会影响蛋白质的迀移形势，从而造成同一个蛋白质点在不同 的凝胶图像上可能出现在不同的位置，即所谓的"失真"。即使对一个特定的样本进行重复 分析，也可能由于凝胶的局部拉伸造成凝胶图像失真。尽管双向凝胶电泳技术有了显著地 提高，但是凝胶间的几何失真仍然存在，造成不同凝胶图像上的同一蛋白质点不能有效重 合，从而影响匹配的效率和准确度。因此，对凝胶图像的失真进行形变校正是基于计算机的 2-DE图像分析关键一步。图像形变就是一个像平面上的所有位置到另一个像平面位置的映射。具体来说， 形变就是通过二元函数对u(x，y)和v(x，y)把一副图像上的位置（x，y)对应得到另一幅图 像上的（u，v)的位置。现有的针对凝胶图像的形变方法有以下几种： Conradsen和Pedersen于1992年介绍了一种通过立方卷积插值法重新米样的多 分辨率方法来去除低分辨率的全局失真和高分辨率的局部失真。通过最小化平方差的和来 估算凝胶图像间的不同，和互相关技术基本一致。首先对64X64分辨率的图像进行形变， 然后增加分辨率重复，直到512X512的分辨率，相当于5%的相对形变，但是没有考虑平滑 约束。 Glasbey, C. A. and Wright, F?于1994年针对多轨迹凝胶电泳中，由于不同凝胶部 分蛋白质的不均一流动性产生的"微笑"和"皱眉"失真，提出了用一个梯度滤波器来估计 边带方向。依据这些边带方向稳健回归和插补，并整合获得形变模型。经过变换以后边带 就会是水平的，轨迹之间也会对齐。这种方法被用于DNA顺序放射自显影，也可同样应用于 其他类型的形变发生时的凝胶分离。但这种方法不能处理由轨道本身造成的失真。 John S. Gustafsson等人在2001年对在凝胶图像制造过程中会出现电流侧漏 而出现非齐次全局电场的问题提出了一种形变函数对电流侧漏的凝胶图像进行校正的方 法。首先建立一个简单的物理化学模型使每个凝胶图像形变，来校正可能产生的失真的主 要原因：二维电泳中的电流侧漏。通过最大化似然惩罚实现图像的自动配准。这种方法与 Glasbey和Wright在1994年提出的校正多轨迹电泳中出现的皱眉和笑脸形变而提出的形 变函数看起来很相似，都是单独的处理图像。但是多轨迹电泳图像，可以利用非对称的线索 估计取向方向，并产生一个全局图像的数学形变函数。该方法只是利用了顶部和底部部分 图像信息，并且必须依赖中间的物理化学模型。 为了进一步满足更有弹性的失真纠正的需要，一些学者把用于普通数字图像处理 的方法用于凝胶图像的处理，并进行了测试。Salmi等人设计了一种多分辨率分段双线性 变换（HGT)的方法。HGT的思想是反复的把覆盖在失真凝胶上的原始四边形分成较小的凸 四边形的网格。网格的角反复利用随机下降的方法来进行优化.这种分级处理为全局失真 (在早期步骤中建模）和局部失真（在最后建模）都提供了一个单一的模型，提供了充足的 数量和和可用的对应点的分布。HGT的不足是有大量的网格点要优化和可能产生训练数据 的过度适应。用交叉验证的方法来比较HGT和三阶全局多项式变换，虽然HGT在小训练集 下（N = 15)，依然表现出优越的形变效果。目前国内还没有对凝胶图像预形变的深入研宄。纵观国外的研宄分析，凝胶图像 形变亟待解决的问题是：由于蛋白质凝胶图像获取过程中各种不确定因素的存在，凝胶图 像产生的失真具有多样化，不确定性等特点，针对这些特点怎样选择一个形变函数既能保 证形变的平滑性又能达到较好的匹配效果，为下一步的匹配提供良好的前提条件。
技术实现思路
本专利技术针对凝胶图像失真的特点，先用改进后的"笑脸"模型对选取的失真凝胶图 像的坐标ipts进行先验形变得到Sipts;然后，基于标记点坐标Sipts和模版图像中的标 记点坐标opts获得基于TPS的形变模型，对凝胶图像进行形变校正。将改进后的"笑脸"形 变模型与薄板样条函数（TPS)形变模型相结合的形变方法，利用该方法形变校正后的图像 和模版图像的相似度有了明显改善。 为实现上述目的，本专利技术的具体方案如下： 基于改进TPS模型的凝胶图像校正算法，包括以下步骤： 步骤一：对比失真图像与模板图像获得形变程度系数0和失真图像的列数nclm， 通过引入高度校正系数得到"笑脸"形变模型； 步骤二：获取失真图像与模板图像中n对相应失真图像标记点坐标ipts和模板图 像标记点坐标opts，利用"笑脸"形变模型对坐标ipts进行变换得到标记点坐标Sipts; 步骤三：利用标记点坐标Sipts和模板图像标记点坐标opts，获得TPS形变模型 的未知参数 rQ = l"*n)，aQ，ax，ay; 步骤四：建立与失真图像尺寸大小相等的灰度值为零的图像wimg，对其坐标进行 "笑脸"形变和TPS形变； 步骤五：根据失真图像与模板图像坐标间的对应关系，将模板图像的灰度值赋给 灰度值为零的图像wimg;赋值后得到的图像wimg就是校正后的图像。 所述"笑脸"形变模型为： U = X 其中，高度系数：【主权项】1. 基于改进TPS模型的凝胶图像校正算法，其特征是，包括以下步骤： 步骤一：对比失真图像与模板图像获得形变程度系数β和失真图像的列数nclm，通过 引入高度校正系数得到"笑脸"形变模型； 步骤二：获取失真图像与模板图像中η对相应失真图像标记点坐标ipts和模板图像标 记点坐标opts，利用"笑脸"形变模型对坐标ipts进行变换得到标记点坐标Sipts ; 步骤三：利用标记点坐标Sipts和模板图像标记点坐标opts，获得TPS形变模型的未 知参数 WiQ = P-Iihac^aray; 步骤四：建立与失真图像尺寸大小相等的灰度值为零的图像wimg，对其坐标进行"笑 脸"形变和TPS形变； 步骤五：根据失真图像与模板图像坐标间的对应关系，将模板图像的灰度值赋给灰度 值为零的图像wimg ;赋值后得到的图像wimg就是校正后的图像。2. 如权利要求1所述的基于改进TPS模型的凝胶图像校正算法，其特征是，所述"笑脸" 形变模型为：式中，（X，Y)为待形变的坐标，其中，X为行坐标，Y为列坐标，（U，V)为（X，Y)经过"笑 脸"形变后的坐标，其中，U为行坐标，V为列坐标，nclm为列数，β为形变程度系数。3. 如权利要求1所述的基于改进TPS模型的凝胶图像校正算法，其特征是，所述步骤一 中，参数形变程度系数β通过对比失真图像与模板图像获得；列数nclm可通过图像处理函 数获得。4. 如权利要求1所述的基于改进TPS模型的凝胶图像校正算法，其特征是本文档来自技高网...

【技术保护点】
基于改进TPS模型的凝胶图像校正算法，其特征是，包括以下步骤：步骤一：对比失真图像与模板图像获得形变程度系数β和失真图像的列数nclm，通过引入高度校正系数得到“笑脸”形变模型；步骤二：获取失真图像与模板图像中n对相应失真图像标记点坐标ipts和模板图像标记点坐标opts，利用“笑脸”形变模型对坐标ipts进行变换得到标记点坐标Sipts；步骤三：利用标记点坐标Sipts和模板图像标记点坐标opts，获得TPS形变模型的未知参数wi(i＝1…n),a0,ax,ay；步骤四：建立与失真图像尺寸大小相等的灰度值为零的图像wimg，对其坐标进行“笑脸”形变和TPS形变；步骤五：根据失真图像与模板图像坐标间的对应关系，将模板图像的灰度值赋给灰度值为零的图像wimg；赋值后得到的图像wimg就是校正后的图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：辛化梅，时维娜，李玲，侯伟，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37