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]到批量的自動化細(xì)胞培養(yǎng)的需要，該成像方式也不適合自動化處理。
[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)勢在于一方面不會對細(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)胞圖像的差異會比熒光成像的差異 小。由于這個原因再加上細(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)胞活力識別，細(xì)胞類型識別等則是件更困難的任務(wù)。盡管對于有經(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，需要建立一個有效 的算法來進(jìn)行高通量的細(xì)胞識別。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傳感器或者多個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，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)展圖像的景深同時也會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，融合會根據(jù)統(tǒng)計分析、 統(tǒng)計推斷、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，一個常規(guī)的小波變換包括了三個步驟：第一，用小波變換對源圖像進(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) 下每個系數(shù)都會被分開處理。例如，在一個"取均值"的融合規(guī)則中，融合圖像的分解系數(shù) 由兩張源圖像的分解系數(shù)取均值得到，但是這樣的規(guī)則會使融合得到的圖像模糊從而降低 了圖像的對比度。又例如，在"選取最大值"的融合規(guī)則中，融合圖像每個位置的分解系數(shù) 由源圖像相應(yīng)位置的分解系數(shù)的絕對值的最大值決定。然而，一個圖像的特征并不是只有 一個像素組成和決定。這樣的方法，會有增加圖像的偽影，減弱圖像的對比度等，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)值矩陣計算所述低頻子圖 的平均拉普拉斯能量：
[0020]
[0021] W(m，n)是一個根據(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應(yīng)的低 頻子圖局部區(qū)域的背景亮度，進(jìn)行局部對比度測量；
[0027] 根據(jù)所述局部對比度測量的值計算每一個高頻子圖的權(quán)重；
[0028] 根據(jù)每一個源圖像在同一方向上高頻子圖的局部對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)所述局部對比度測量的值計算每一個高頻子圖的權(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