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