一种针对高通量基因测序图像的小波去噪方法技术

技术编号:12329777 阅读:165 留言:0更新日期:2015-11-16 00:36
本发明专利技术提出了一种基于离散小波变换图像去噪方法,应用于高通量基因测序图像去噪。本发明专利技术主要是对基于离散小波变换的BiShrink改进,具体操作是使用离散小波变换对BiShrink阈值算法进行改进。传统的BiShrink算法在计算估计小波系数时考虑当前系数、父子系数的相关性。而本发明专利技术是在含有高斯噪声的测序图像中,在每个小波系数的邻域内选择部分小波系数来计算局部阈值,并使用拉普拉斯模型表示当前小波系数与父代小波系数之间的关系,进而得到估计小波系数表达式,用于鲁棒的解决待测序图像的去噪问题。通过对比现有的基于局部阈值小波阈值收缩法花费时间和去噪效果,本发明专利技术提出的方法去噪性能更优越,花费时间更短,效率更高。

【技术实现步骤摘要】

本专利技术属于数字图像降噪领域,具体涉及一种针对高通量基因测序图像的小波去噪方法
技术介绍
高通量基因测序图像承载着大量的生物基因信息,清晰的图片要求成为衡量实验成功的重要环节。在很多情况下,由于获取图片的过程的限制,图片的质量很低。特别是在高通量基因测序的图片的获取的过程中,光照强度会降低到最低来防止光漂白,因此图片的信噪比很低。虽然显微镜光照技术提升,但是现在显微镜分辨率仍然很粗糙导致衍射限制的现象。因此,区别亮点与不相干的背景或者噪声是很困难的。高通量基因测序图像的噪声分为很多种,包括高斯噪声,散度噪声,椒盐噪声等。目前针对待测序图像的去噪算法分为两类:空间域的图像去噪算法和频率域的图像去噪算法。空间域的图像去噪算法包括:高斯平滑滤波器,双边滤波器等;频率域的图像去噪算法包括:基于BiShrink阈值的小波阈值收缩法,基于NeighShrink阈值的小波阈值收缩法等。(1)高斯平滑滤波若对原图I使用高斯核Gσ进行图像平滑去噪,滤波后的图像J应表示为:J(i,j)=(Gσ*I)(i,j)=Σi′=1NxΣj′=1NyGσ(i-i′,j-j′)I(i′.j′)---(1)]]>其中*代表卷积符号。针对图像中不相干的噪声,这种平滑去噪方式与滤波器的选取有关,经选择的滤波器可以使得去噪后的图像信噪比最大。这是因为点扩散函数(PointSpreadFunction,PSF)修改了每个亮点的像素分布,进而能够通过高斯平滑得到更好的去噪效果。(2)双边滤波器Tomasi和Manduchi提出了一种不仅能够有效的去除噪声,而且能够最大限度的保持边缘信息的双边滤波器。它是一种空间域非线性滤波技术。在经典高斯低通滤波器的基础上,该滤波器采用局部加权平均的方案。双边滤波器能够保存图像边缘,有效地平滑噪声,达到去噪的目的。通过双边滤波器,保护碱基的边缘特征并且降低背景噪声。因此,该算法针对高通量基因测序图像的噪声具有抑制作用。BuyueZhang和JanP.Allebach在双边滤波器的基础上,提出了自适应的双边滤波器Adaptivebilateralfilter(ABF)模型,该模型为了能够很好的提取边缘特征,并且保障提取的地方是平滑的,以及提取算法对噪音具有鲁棒性,最终选择使用LOG边缘检测器对边缘特征进行提取。但是该方法对于参数选择并没有达到自适应,并且算法测试图像是人脸图像、数字、字符,对于荧光显微镜图像获得图像效果不佳。(3)基于NeighShrink阈值的小波阈值去噪算法SureShrink阈值是基于stein无偏风险估计(Stein’sUnbiasedRiskEstimator,SURE)准则的自适应阈值选择,通过计算均方误差的最小值,进而求出阈值λ,而估计系数是通过软阈值函数计算得到,且SureShrink阈值更趋近于理想的阈值,在实际应用中,可以获得比较满意的去噪效果,而且误差较低。SureShrink的计算表达式:ϵ=1N||F(y)-y||2+2σ2Ndiv{F(y)本文档来自技高网...
一种针对高通量基因测序图像的小波去噪方法

【技术保护点】
一种针对高通量基因测序图像的小波去噪方法,其特征在于:所述方法包括以下步骤:(1)对输入含噪声图像进行离散小波分解,共分解成L层小波系数,每一层小波系数分为三个方向的高频部分;(2)对分解的每一层的水平、垂直、对角三个子带的小波系数分别进行处理:a.计算噪声标准差σn;b.选择每个小波系数的邻域系数,进而求出边缘标准差σy;c.计算小波系数的最大后验概率估计,对含噪声的系数进行修正;(3)对估计小波系数进行逆小波变换,得到去噪后的图像。

【技术特征摘要】
1.一种针对高通量基因测序图像的小波去噪方法,其特征在于:所述方法
包括以下步骤:
(1)对输入含噪声图像进行离散小波分解,共分解成L层小波系数,每
一层小波系数分为三个方向的高频部分;
(2)对分解的每一层的水平、垂直、对角三个子带的小波系数分别进
行处理:
a.计算噪声标准差σn;
b.选择每个小波系数的邻域系数,进而求出边缘标准差σy;
c.计算小波系数的最大后验概率估计,对含噪声的系数进行修正;
(3)对估计小波系数进行逆小波变换,得到去噪后的图像。
2.根据权利要求1所述的小波去噪方法,其特征在于:所述步骤b具体为:
计算种子系...

【专利技术属性】
技术研发人员:颜珂徐勇
申请(专利权)人:哈尔滨工业大学深圳研究生院
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 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。

1