基于改進(jìn)tps模型的凝膠圖像校正算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于計(jì)算機(jī)的雙向凝膠圖像分析技術(shù)領(lǐng)域,尤涉及雙向凝膠圖像的形 變校正方法。
【背景技術(shù)】
[0002] 雙向凝膠電泳方法可以追溯到1975年,但到目前為止這項(xiàng)技術(shù)仍被認(rèn)為是實(shí)現(xiàn) 蛋白質(zhì)分離的最有效的方法。雙向凝膠的第一向基于蛋白質(zhì)的等電點(diǎn)不同用等電聚焦分 離,第二向則按分子量的不同用聚丙烯酰胺凝膠電泳(SDS-PAGE)分離,把復(fù)雜蛋白質(zhì)混合 物中的蛋白質(zhì)在二維平面上分開,對(duì)最終結(jié)果進(jìn)行掃描可視化得到雙向凝膠(2-DE)圖像。 2-DE圖像中,蛋白質(zhì)表現(xiàn)為不同形狀、不同大小和不同灰度的點(diǎn)。由于蛋白質(zhì)樣本結(jié)構(gòu)的 不同,例如在不同的鹽濃度中,會(huì)影響蛋白質(zhì)的迀移形勢(shì),從而造成同一個(gè)蛋白質(zhì)點(diǎn)在不同 的凝膠圖像上可能出現(xiàn)在不同的位置,即所謂的"失真"。即使對(duì)一個(gè)特定的樣本進(jìn)行重復(fù) 分析,也可能由于凝膠的局部拉伸造成凝膠圖像失真。盡管雙向凝膠電泳技術(shù)有了顯著地 提高,但是凝膠間的幾何失真仍然存在,造成不同凝膠圖像上的同一蛋白質(zhì)點(diǎn)不能有效重 合,從而影響匹配的效率和準(zhǔn)確度。因此,對(duì)凝膠圖像的失真進(jìn)行形變校正是基于計(jì)算機(jī)的 2-DE圖像分析關(guān)鍵一步。
[0003]圖像形變就是一個(gè)像平面上的所有位置到另一個(gè)像平面位置的映射。具體來說, 形變就是通過二元函數(shù)對(duì)u(x,y)和v(x,y)把一副圖像上的位置(x,y)對(duì)應(yīng)得到另一幅圖 像上的(u,v)的位置?,F(xiàn)有的針對(duì)凝膠圖像的形變方法有以下幾種:
[0004] Conradsen和Pedersen于1992年介紹了一種通過立方卷積插值法重新米樣的多 分辨率方法來去除低分辨率的全局失真和高分辨率的局部失真。通過最小化平方差的和來 估算凝膠圖像間的不同,和互相關(guān)技術(shù)基本一致。首先對(duì)64X64分辨率的圖像進(jìn)行形變, 然后增加分辨率重復(fù),直到512X512的分辨率,相當(dāng)于5%的相對(duì)形變,但是沒有考慮平滑 約束。
[0005] Glasbey, C. A. and Wright, F?于1994年針對(duì)多軌跡凝膠電泳中,由于不同凝膠部 分蛋白質(zhì)的不均一流動(dòng)性產(chǎn)生的"微笑"和"皺眉"失真,提出了用一個(gè)梯度濾波器來估計(jì) 邊帶方向。依據(jù)這些邊帶方向穩(wěn)健回歸和插補(bǔ),并整合獲得形變模型。經(jīng)過變換以后邊帶 就會(huì)是水平的,軌跡之間也會(huì)對(duì)齊。這種方法被用于DNA順序放射自顯影,也可同樣應(yīng)用于 其他類型的形變發(fā)生時(shí)的凝膠分離。但這種方法不能處理由軌道本身造成的失真。
[0006] John S. Gustafsson等人在2001年對(duì)在凝膠圖像制造過程中會(huì)出現(xiàn)電流側(cè)漏 而出現(xiàn)非齊次全局電場(chǎng)的問題提出了一種形變函數(shù)對(duì)電流側(cè)漏的凝膠圖像進(jìn)行校正的方 法。首先建立一個(gè)簡(jiǎn)單的物理化學(xué)模型使每個(gè)凝膠圖像形變,來校正可能產(chǎn)生的失真的主 要原因:二維電泳中的電流側(cè)漏。通過最大化似然懲罰實(shí)現(xiàn)圖像的自動(dòng)配準(zhǔn)。這種方法與 Glasbey和Wright在1994年提出的校正多軌跡電泳中出現(xiàn)的皺眉和笑臉形變而提出的形 變函數(shù)看起來很相似,都是單獨(dú)的處理圖像。但是多軌跡電泳圖像,可以利用非對(duì)稱的線索 估計(jì)取向方向,并產(chǎn)生一個(gè)全局圖像的數(shù)學(xué)形變函數(shù)。該方法只是利用了頂部和底部部分 圖像信息,并且必須依賴中間的物理化學(xué)模型。
[0007] 為了進(jìn)一步滿足更有彈性的失真糾正的需要,一些學(xué)者把用于普通數(shù)字圖像處理 的方法用于凝膠圖像的處理,并進(jìn)行了測(cè)試。Salmi等人設(shè)計(jì)了一種多分辨率分段雙線性 變換(HGT)的方法。HGT的思想是反復(fù)的把覆蓋在失真凝膠上的原始四邊形分成較小的凸 四邊形的網(wǎng)格。網(wǎng)格的角反復(fù)利用隨機(jī)下降的方法來進(jìn)行優(yōu)化.這種分級(jí)處理為全局失真 (在早期步驟中建模)和局部失真(在最后建模)都提供了一個(gè)單一的模型,提供了充足的 數(shù)量和和可用的對(duì)應(yīng)點(diǎn)的分布。HGT的不足是有大量的網(wǎng)格點(diǎn)要優(yōu)化和可能產(chǎn)生訓(xùn)練數(shù)據(jù) 的過度適應(yīng)。用交叉驗(yàn)證的方法來比較HGT和三階全局多項(xiàng)式變換,雖然HGT在小訓(xùn)練集 下(N = 15),依然表現(xiàn)出優(yōu)越的形變效果。
[0008]目前國(guó)內(nèi)還沒有對(duì)凝膠圖像預(yù)形變的深入研宄。縱觀國(guó)外的研宄分析,凝膠圖像 形變亟待解決的問題是:由于蛋白質(zhì)凝膠圖像獲取過程中各種不確定因素的存在,凝膠圖 像產(chǎn)生的失真具有多樣化,不確定性等特點(diǎn),針對(duì)這些特點(diǎn)怎樣選擇一個(gè)形變函數(shù)既能保 證形變的平滑性又能達(dá)到較好的匹配效果,為下一步的匹配提供良好的前提條件。
【發(fā)明內(nèi)容】
[0009] 本發(fā)明針對(duì)凝膠圖像失真的特點(diǎn),先用改進(jìn)后的"笑臉"模型對(duì)選取的失真凝膠圖 像的坐標(biāo)ipts進(jìn)行先驗(yàn)形變得到Sipts;然后,基于標(biāo)記點(diǎn)坐標(biāo)Sipts和模版圖像中的標(biāo) 記點(diǎn)坐標(biāo)opts獲得基于TPS的形變模型,對(duì)凝膠圖像進(jìn)行形變校正。將改進(jìn)后的"笑臉"形 變模型與薄板樣條函數(shù)(TPS)形變模型相結(jié)合的形變方法,利用該方法形變校正后的圖像 和模版圖像的相似度有了明顯改善。
[0010] 為實(shí)現(xiàn)上述目的,本發(fā)明的具體方案如下:
[0011] 基于改進(jìn)TPS模型的凝膠圖像校正算法,包括以下步驟:
[0012] 步驟一:對(duì)比失真圖像與模板圖像獲得形變程度系數(shù)0和失真圖像的列數(shù)nclm, 通過引入高度校正系數(shù)得到"笑臉"形變模型;
[0013] 步驟二:獲取失真圖像與模板圖像中n對(duì)相應(yīng)失真圖像標(biāo)記點(diǎn)坐標(biāo)ipts和模板圖 像標(biāo)記點(diǎn)坐標(biāo)opts,利用"笑臉"形變模型對(duì)坐標(biāo)ipts進(jìn)行變換得到標(biāo)記點(diǎn)坐標(biāo)Sipts;
[0014] 步驟三:利用標(biāo)記點(diǎn)坐標(biāo)Sipts和模板圖像標(biāo)記點(diǎn)坐標(biāo)opts,獲得TPS形變模型 的未知參數(shù) rQ = l"*n),aQ,ax,ay;
[0015] 步驟四:建立與失真圖像尺寸大小相等的灰度值為零的圖像wimg,對(duì)其坐標(biāo)進(jìn)行 "笑臉"形變和TPS形變;
[0016] 步驟五:根據(jù)失真圖像與模板圖像坐標(biāo)間的對(duì)應(yīng)關(guān)系,將模板圖像的灰度值賦給 灰度值為零的圖像wimg;賦值后得到的圖像wimg就是校正后的圖像。
[0017] 所述"笑臉"形變模型為:
[0018] U = X
[0019]
[0020] 其中,高度系數(shù):
【主權(quán)項(xiàng)】
1. 基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,包括以下步驟: 步驟一:對(duì)比失真圖像與模板圖像獲得形變程度系數(shù)β和失真圖像的列數(shù)nclm,通過 引入高度校正系數(shù)得到"笑臉"形變模型; 步驟二:獲取失真圖像與模板圖像中η對(duì)相應(yīng)失真圖像標(biāo)記點(diǎn)坐標(biāo)ipts和模板圖像標(biāo) 記點(diǎn)坐標(biāo)opts,利用"笑臉"形變模型對(duì)坐標(biāo)ipts進(jìn)行變換得到標(biāo)記點(diǎn)坐標(biāo)Sipts ; 步驟三:利用標(biāo)記點(diǎn)坐標(biāo)Sipts和模板圖像標(biāo)記點(diǎn)坐標(biāo)opts,獲得TPS形變模型的未 知參數(shù) WiQ = P-Iihac^aray; 步驟四:建立與失真圖像尺寸大小相等的灰度值為零的圖像wimg,對(duì)其坐標(biāo)進(jìn)行"笑 臉"形變和TPS形變; 步驟五:根據(jù)失真圖像與模板圖像坐標(biāo)間的對(duì)應(yīng)關(guān)系,將模板圖像的灰度值賦給灰度 值為零的圖像wimg ;賦值后得到的圖像wimg就是校正后的圖像。
2. 如權(quán)利要求1所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,所述"笑臉" 形變模型為:
式中,(X,Y)為待形變的坐標(biāo),其中,X為行坐標(biāo),Y為列坐標(biāo),(U,V)為(X,Y)經(jīng)過"笑 臉"形變后的坐標(biāo),其中,U為行坐標(biāo),V為列坐標(biāo),nclm為列數(shù),β為形變程度系數(shù)。
3. 如權(quán)利要求1所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,所述步驟一 中,參數(shù)形變程度系數(shù)β通過對(duì)比失真圖像與模板圖像獲得;列數(shù)nclm可通過圖像處理函 數(shù)獲得。
4. 如權(quán)利要求1所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,所述步驟二 中,通過圖像處理函數(shù)獲得失真圖像中的標(biāo)記點(diǎn)坐標(biāo) ipts = (Xi, Yi), i = I,. . . , η 模版圖像中的標(biāo)記點(diǎn)坐標(biāo): opts = (Xi, Yi), i = I,. . . , n〇
5. 如權(quán)利要求1所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,所述步驟 五中,失真圖像與模板圖像坐標(biāo)間的對(duì)應(yīng)關(guān)系具體為:圖像wimg的坐標(biāo)(x,y)經(jīng)過"笑臉" 和TPS形變得到坐標(biāo)(X',y'),將(X',y')進(jìn)行四舍五入得到整數(shù)坐標(biāo)(x N,yN),將整數(shù)坐標(biāo) (xN, yN)在失真圖像中的灰度值賦給(X,y),即Iwimg(x, y) = 1失真(xN, yN)。
6. 如權(quán)利要求1所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,所述步驟三 中,(Xyi)代表失真圖像坐標(biāo)系中經(jīng)過"笑臉"模型形變后的標(biāo)記點(diǎn)坐標(biāo),(H)為模板 圖像坐標(biāo)系中與(Xpy i)相對(duì)應(yīng)的點(diǎn)坐標(biāo),令Z代表[X1, X2,…Xn]τ或者[Y1, Y2,…Yn]τ,通過 如下矩陣運(yùn)算,就得到TPS的未知參數(shù):
其中,Zi (Xi, yi)為坐標(biāo)(Xi, yi)經(jīng)過TPS形變后的坐標(biāo)值;"0-ν) = rv2 log/;,2; G2 = (Λ,. - X,.)2 + (兄.-乃)2 ; X1, X2,…Xn為坐標(biāo)(X yi),i = 1,· · ·,η經(jīng)過變換后得到的行坐 標(biāo)J1, Y2,…Yn為坐標(biāo)(X i, y), i = 1,...,η經(jīng)過變換后得到的列坐標(biāo)。
7.如權(quán)利要求6所述的基于改進(jìn)TPS模型的凝膠圖像校正算法,其特征是,矩陣形式 為: Z = PA+KW 其中
由此得到TPS形變模型中的所有未知參數(shù)WiQ = P-Iihaci, ax,ay。
【專利摘要】本發(fā)明公開了基于改進(jìn)TPS模型的凝膠圖像校正算法,包括:對(duì)比失真圖像與模板圖像獲得形變程度系數(shù)β和失真圖像的列數(shù)nclm,引入高度校正系數(shù)得到“笑臉”形變模型;獲取失真圖像與模板圖像中n對(duì)相應(yīng)失真圖像標(biāo)記點(diǎn)坐標(biāo)ipts和模板圖像標(biāo)記點(diǎn)坐標(biāo)opts,利用“笑臉”形變模型對(duì)坐標(biāo)ipts進(jìn)行變換得到標(biāo)記點(diǎn)坐標(biāo)Sipts;利用標(biāo)記點(diǎn)坐標(biāo)Sipts和模板圖像標(biāo)記點(diǎn)坐標(biāo)opts,獲得TPS形變模型的未知參數(shù)wi(i=1…n),a0,ax,ay;建立與失真圖像尺寸大小相等的灰度值為零的圖像wimg,對(duì)其坐標(biāo)進(jìn)行“笑臉”形變和TPS形變;根據(jù)失真圖像與模板圖像坐標(biāo)間的對(duì)應(yīng)關(guān)系,將模板圖像的灰度值賦給灰度值為零的圖像wimg;賦值后得到的圖像wimg就是校正后的圖像。本申請(qǐng)比原有校正算法能取得更好的校正效果,為凝膠圖像的匹配提供良好的前提條件。
【IPC分類】G06T5-00
【公開號(hào)】CN104751427
【申請(qǐng)?zhí)枴緾N201510182310
【發(fā)明人】辛化梅, 時(shí)維娜, 李玲, 侯偉
【申請(qǐng)人】山東師范大學(xué)
【公開日】2015年7月1日
【申請(qǐng)日】2015年4月16日