【技术实现步骤摘要】
一种荧光显微图像下的微液滴自动检测方法
本专利技术涉及一种基于微液滴的微流控系统，尤其是涉及一种荧光显微图像下的微液滴自动检测方法。
技术介绍
基于微液滴的微流控系统是一个极具发展前景的超小体积、高通量的化学和生物实验平台，在单细胞分析、数字PCR和高通量筛选等领域都取得了巨大的进展。在基于液滴的微流体系统的开发和应用中，微液滴的定性和定量分析能力起着至关重要的作用。通过液滴微流控技术的应用，可以将对待检测样本溶度等定量生物特性的检测分析转化到对微液滴的定量分析之中。微液滴的定量分析往往需要借助荧光显微成像技术的辅助以及对微液滴荧光图像的分析处理。但是，由于针对微液滴的图像检测方法的缺乏，荧光微液滴图像的计数、检测、分析等操作，大都依赖于生物科研工作对荧光图像的解读，所需时间长，工作负担大。为了提高诊断效率，降低生物科研工作者的工作负担，自动化的荧光斑点检测方法受到了广泛的研究和关注。微液滴荧光显微图像(Fluorescencemicroscopicimagesofmicro-droplets,FMIM)是指微液滴目标经过荧...
【技术保护点】
1.一种荧光显微图像下的微液滴自动检测方法，其特征在于，包括以下步骤：/nS101，对带噪声的FMIM灰度图进行高斯噪声变换；/nS102，对步骤S101获得的图像降噪后进行高斯噪声逆变换，获得降噪后的微液滴图像；/nS103，对降噪后的微液滴图像进行自适应对比度增强，获得微液滴增强结果图；/nS104，提取微液滴增强结果图的类Radon特征，获得边缘特征图；/nS105，分别对步骤S102获得的降噪后的微液滴图像及步骤S104获得的边缘特征图进行微液滴目标检测；/nS106，合并步骤S105中两类图像的微液滴目标检测结果，将两类结果中圆心坐标差的绝对值和小于判别阈值的微液...
【技术特征摘要】
1.一种荧光显微图像下的微液滴自动检测方法，其特征在于，包括以下步骤：
S101，对带噪声的FMIM灰度图进行高斯噪声变换；
S102，对步骤S101获得的图像降噪后进行高斯噪声逆变换，获得降噪后的微液滴图像；
S103，对降噪后的微液滴图像进行自适应对比度增强，获得微液滴增强结果图；
S104，提取微液滴增强结果图的类Radon特征，获得边缘特征图；
S105，分别对步骤S102获得的降噪后的微液滴图像及步骤S104获得的边缘特征图进行微液滴目标检测；
S106，合并步骤S105中两类图像的微液滴目标检测结果，将两类结果中圆心坐标差的绝对值和小于判别阈值的微液滴目标视为一个微液滴进行计数，得到最终的微液滴检测数目。
2.根据权利要求1所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述步骤S102中，基于自适应聚类和渐进PCA近似的图像降噪算法进行图像降噪，具体过程包括：
S201，将整个图像划分为重叠的若干图像块，估计全局噪声水平；
S202，基于估计的全局噪声水平，使用“过聚类-迭代合并”的方式进行图像块的自适应聚类，获得多个类矩阵；
S203，基于Marchenko-Pastur定律将所述类矩阵转化为低秩类矩阵；
S204，使用LMMSE降噪方法，对所述低秩类矩阵在PCA变换域上的每个变换带上进行局部估计的降噪处理；
S205，将降噪处理后的矩阵变换为空间域，得到降噪后的微液滴图像。
3.根据权利要求2所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述自适应聚类中，采用K-means方法进行聚类。
4.根据权利要求2所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述LMMSE降噪方法中，LMMSE估计子参数通过局部平均的方式获得。
5.根据权利要求1所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述步骤S103中，采用基于亮度图的低亮度图像增强算法进行自适应对比度增强，具体过程包括：
S301，以降噪后的微液滴图像作为初始化亮度图
S302，求解目标函数优化问题获得精确的亮度图T，所述目标函数优化问题的表达式为：
其中，α为调节系数，表示基于像素的点乘操作。||·||F和||·||1分别表示Frobenious范数和l1范数，W为加权矩阵，为T的一阶导数滤波器，包括沿水平方向计算的和沿垂直方向计算的表示基于像素的点乘操作；
S303，对亮度图T进行Gamma校正后，获得增强后的结果图
S304，对增强后...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。