一種用于明場顯微成像的多層圖像融合算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種用于明場顯微成像的多層圖像融合 算法。
【背景技術(shù)】
[0002] 當(dāng)前對(duì)細(xì)胞形態(tài)表型研宄的主要手段是通過顯微成像，獲取圖片，并對(duì)圖片數(shù)據(jù) 進(jìn)行處理分析，觀察其在重編程過程中的變化，獲取信息鑒定其狀態(tài)。顯微圖像拍攝和采集 過程中，有多種成像方式可以選擇，比如熒光顯微成像、暗場顯微成像、明場顯微成像、相差 顯微成像、分干涉相差顯微成像等方法。
[0003] 通常的細(xì)胞檢測方法是用熒光成像的方法，但這種方法一方面比較繁瑣，染色過 程需要很多前處理，比如細(xì)胞通透、固定等步驟；另一方面是細(xì)胞是有標(biāo)記的、侵入性的或 者甚至是對(duì)細(xì)胞有毒的，因此染色以后的細(xì)胞不能再繼續(xù)觀測和使用。由于這些原因，在利 用神經(jīng)干細(xì)胞進(jìn)行治療的應(yīng)用中，熒光成像或者染色的方法都是不能夠被使用的。在利用 相差成像的方法中，由于顯微鏡和光路并不是藕合在一起，所以在成像過程中，相襯環(huán)總是 需要重新調(diào)整?？紤]到批量的自動(dòng)化細(xì)胞培養(yǎng)的需要，該成像方式也不適合自動(dòng)化處理。
[0004] 基于以上的情況，最好的方法是利用透射光照明，比如白光或者單色光。利用白 光或者單色光的明場顯微成像技術(shù)的優(yōu)勢(shì)在于一方面不會(huì)對(duì)細(xì)胞有任何的傷害，另一方面 光學(xué)成像設(shè)備也比較簡單，此外明場顯微成像的數(shù)據(jù)庫和公開數(shù)據(jù)源也是更加常見和普遍 的。因此基于明場顯微成像的算法或者系統(tǒng)會(huì)更加通用，也具有更廣泛的推廣意義。
[0005] 明場顯微成像的設(shè)備專業(yè)度要求更簡單，但細(xì)胞圖像的差異會(huì)比熒光成像的差異 小。由于這個(gè)原因再加上細(xì)胞表面的豐富變化，明場顯微成像下面的細(xì)胞檢測本身是一件 困難的任務(wù)。而要在明場顯微成像環(huán)境下的通過細(xì)胞表面的細(xì)微變化進(jìn)行不同應(yīng)用要求下 的后處理，比如細(xì)胞活力識(shí)別，細(xì)胞類型識(shí)別等則是件更困難的任務(wù)。盡管對(duì)于有經(jīng)驗(yàn)的觀 察者來說，他們一般能觀察到這些區(qū)別，但為了更穩(wěn)定的觀察細(xì)胞，他們還是需要借助細(xì)胞 染色的等有標(biāo)注手段。因此，在不進(jìn)行染色和不利用專家辨別的情況下，需要建立一個(gè)有效 的算法來進(jìn)行高通量的細(xì)胞識(shí)別。算法的實(shí)現(xiàn)能夠更好的利用明場成像獲取定量信息，為 實(shí)現(xiàn)無損失無標(biāo)記的細(xì)胞數(shù)字化分析打下基礎(chǔ)。
[0006] 在擬研宄的明場成像研宄項(xiàng)目中，圖像預(yù)處理的主要工作是圖像融合。它通常是 把在同一場景下同一個(gè)傳感器或者多個(gè)傳感器拍攝到的兩幅或者兩幅以上圖像的信息合 并到一起成為一張擁有高信息量的圖像的過程。在成像過程中，因?yàn)橄鄼C(jī)的鏡頭的都只擁 有一定的焦深，所以當(dāng)有些物體位于焦面呈現(xiàn)出清晰銳利的同時(shí)，其他的物體就位于焦面 以外因此變得模糊和不銳利。為了解決這個(gè)問題，圖像融合技術(shù)把不同圖像里面的在焦目 標(biāo)融合到一張圖片里面來擴(kuò)展圖像的景深同時(shí)也會(huì)方便圖像的后期處理比如特征提取、目 標(biāo)跟蹤、三維重構(gòu)等。迄今為止，已經(jīng)有很多融合算法被提出來。
[0007] 到目前為止，一些融合方法已經(jīng)被提出，并分別應(yīng)用在不同的信息層面上：像素 層、特征層、決策層。在像素層的融合中，數(shù)據(jù)在源圖像的像素層進(jìn)行融合。在特征層的融合 中，在每個(gè)源數(shù)據(jù)中的特征都被提取出來并融合。在決策層融合中，融合會(huì)根據(jù)統(tǒng)計(jì)分析、 統(tǒng)計(jì)推斷、分類等決策進(jìn)行。
[0008] 目前，廣泛應(yīng)用的圖像融合框架是基于多分辨率分析，包括金字塔變換，小波變 換，曲波變換等等。離散小波變換（DWT)是在圖像融合中最常見和重要的多尺度分解方法， 因?yàn)樗梢栽诳沼蛑刑峁└嗟募?xì)節(jié)，與別的融合方法相比，能有較好的結(jié)果。在基于小 波的圖像融合中，一個(gè)常規(guī)的小波變換包括了三個(gè)步驟：第一，用小波變換對(duì)源圖像進(jìn)行分 解，得到不同層下小波系數(shù)；然后，根據(jù)某個(gè)融合規(guī)則，融合每一層的小波系數(shù)；最后，利用 小波逆變換得到融合圖像。源圖像分解后得到的系數(shù)分為低頻部分和高頻部分，現(xiàn)有技術(shù) 下每個(gè)系數(shù)都會(huì)被分開處理。例如，在一個(gè)"取均值"的融合規(guī)則中，融合圖像的分解系數(shù) 由兩張?jiān)磮D像的分解系數(shù)取均值得到，但是這樣的規(guī)則會(huì)使融合得到的圖像模糊從而降低 了圖像的對(duì)比度。又例如，在"選取最大值"的融合規(guī)則中，融合圖像每個(gè)位置的分解系數(shù) 由源圖像相應(yīng)位置的分解系數(shù)的絕對(duì)值的最大值決定。然而，一個(gè)圖像的特征并不是只有 一個(gè)像素組成和決定。這樣的方法，會(huì)有增加圖像的偽影，減弱圖像的對(duì)比度等，使得圖像 失真，變的不自然，從而使得融合后的圖像不能很好地反映源圖像的有效信息。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明旨在克服現(xiàn)有技術(shù)的圖像融合中圖像特征只由像素組成及決定而造成的 融合后的圖像失真的技術(shù)缺陷，提供一種運(yùn)用于明場顯微成像的多層圖像融合算法。
[0010] 為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：本發(fā)明提供一種運(yùn)用于明場顯微成 像的多層圖像融合算法，包括以下步驟：
[0011] 根據(jù)低頻子圖的局部區(qū)域平均拉普拉斯能量，獲取所述低頻子圖融和的低頻系 數(shù)；
[0012] 根據(jù)局部對(duì)比度測量，獲取所述高頻子圖像融和的高頻系數(shù)。
[0013] 一些實(shí)施例中，通過每一個(gè)低頻子圖的權(quán)重和局部區(qū)域的平均拉普拉斯能量，來 得到融合后的低頻系數(shù)；
[0014] 所述低頻子圖基于所述平均拉普拉斯能量的融合規(guī)則為：
[0015]
[0016]
[0017]
[0018] 其中，1代表第一副源圖像，2代表第二幅源圖像；A代表了在L層分解后源圖像 的低頻子圖；L代表分解層數(shù)為L層；F代表融合后的圖像;為第一幅源圖像L層分解 后低頻子圖的權(quán)重，wA，2為第一幅源圖像L層分解后低頻子圖的權(quán)重；為第一 副源圖像在L層分解后的低頻子圖；7)為第二副源圖像在L層分解后的低頻子 圖；，）為第一幅源圖像和第二幅源圖像L層分解后的低頻子圖融合后的圖像； 狀4U, 7)為第一副源圖像L層分解后的低頻子圖的平均拉普拉斯能量；必4,2(u) 為第二幅源圖像L層分解后的低頻子圖的平均拉普拉斯能量。
[0019] 一些實(shí)施例中，根據(jù)所述低頻子圖的拉普拉斯能量和權(quán)值矩陣計(jì)算所述低頻子圖 的平均拉普拉斯能量：
[0020]
[0021] W(m，n)是一個(gè)根據(jù)所述低頻子圖局部區(qū)域得到的和為1的權(quán)值矩陣，IEOL(x+m， y+n)為所述低頻子圖在（x+m，y+n)處的拉普拉斯能量，AEL(x，y)在（x，y)處的平均拉普 拉斯能量。
[0022] 一些實(shí)施例中，所述低頻子圖的拉普拉斯能量通過所述低頻子圖垂直方向、水平 方向、45度方向及135度方向的圖像特征獲取，所述低頻子圖的拉普拉斯能量計(jì)算公式為：
[0023] IEOL (X，y) = (|f"vertical (X，y) | +1f"horizontal (X，y) | +1f" 45 (X，y) | +1f" 135(x ，y)l)2
[0024] 其中，IEOL(x，y)為圖像f在（x，y)處的拉普拉斯能"量；f"hOTizmtal代表圖像f在 (x，y)處水平方向上的像素的二次求導(dǎo)，f" vertieal代表圖像在（x，y)處垂直方向上的像素 的二次求導(dǎo)；f"45(x，y)和f" 135(x，y)為圖像在（x，y)處對(duì)角方向上的像素的二次求導(dǎo)。
[0025] 一些實(shí)施例中，通過以下步驟獲取所述高頻子圖融合的高頻系數(shù)：
[0026] 根據(jù)每個(gè)源圖像同一方向上高頻子圖局部區(qū)域的平均拉普拉斯能量及對(duì)應(yīng)的低 頻子圖局部區(qū)域的背景亮度，進(jìn)行局部對(duì)比度測量；
[0027] 根據(jù)所述局部對(duì)比度測量的值計(jì)算每一個(gè)高頻子圖的權(quán)重；
[0028] 根據(jù)每一個(gè)源圖像在同一方向上高頻子圖的局部對(duì)比度測量的值及其權(quán)重，獲取 在同一方向上高頻子圖融合的高頻系數(shù)，高頻子圖融合的高頻系數(shù)計(jì)算公式為：
[0029]
[0030] 其中，表示第一副源圖像L層分解后在D方向上的高頻子圖； //t2(孓表示第二副源圖像L層分解后在D方向上的高頻子圖；％1為第一副源圖像在D 方向上的高頻子圖的權(quán)重；》1)，2第二副源圖像在D方向上的高頻子圖的權(quán)重；為 第一副源圖像和第二幅源圖像的L層分解后在D方向上的高頻子圖融合后的高頻系數(shù)。
[0031] 一些實(shí)施例中，根據(jù)所述局部對(duì)比度測量的值計(jì)算每一個(gè)高頻子圖的權(quán)重，其表 達(dá)式為：
[0034] 其中，zatu，7)為第一副源圖像在L層分解后D方向上的高頻子圖的局部對(duì)比
[0032]
[0033] 度測量值；ZO<2(x，_k)為第二副源圖像在L層分解后D方向上的高