基于偏微分方程的生物信息圖像處理方法研究.pdf

1、生物信息圖像處理是生物工程學(xué)科的一個分支，包括生物信息處理技術(shù)、生物圖像處理與分析等，是生物工程領(lǐng)域中發(fā)展最迅速的學(xué)科方向之一。生物信息圖像分析致力于從生物圖像或生物圖像序列中提取數(shù)字信息，在生命科學(xué)領(lǐng)域有廣泛的應(yīng)用。然而生物信息圖像往往存在一定的噪聲，為了后續(xù)圖像分析與處理，通常需要首先對輸入圖像進行去噪增強處理，從而改善圖像質(zhì)量，然后進行分割定位處理。一方面，生物信息圖像去噪要求既能去除圖像的模糊和噪聲，又需要保持圖像的細節(jié)，傳統(tǒng)的

2、濾波方法難以處理這類問題。另一方面，對于生物信息圖像來說，其特有的復(fù)雜性和多樣性使其分割方法不能統(tǒng)一，傳統(tǒng)的閾值分割方法和分水嶺標記變換等方法針對復(fù)雜的生物信息圖像來說會導(dǎo)致分割失敗。
　　 近年來，偏微分方程理論(Partial Differential Equations，PDE)因其嚴格的數(shù)學(xué)理論基礎(chǔ)已經(jīng)在圖像處理的各個領(lǐng)域得到了廣泛應(yīng)用，并取得了一系列研究成果。針對生物信息圖像，結(jié)合偏微分方程理論，本文主要的研究工作如下

3、:
　　 1.針對生物信息圖像經(jīng)過傳統(tǒng)PDE模型會產(chǎn)生孤立點和噪聲強化等缺點，提出了一種基于各向異性擴散方程的圖像去噪方法。利用形態(tài)學(xué)重建技術(shù)對正則項進行約束，達到了抑制圖像邊界移動的目的;并根據(jù)梯度閾值范圍不同，采用兩種擴散系數(shù)來加強圖像邊緣的細節(jié)信息;為了減少不必要的擴散，將閾值參數(shù)記為時間的函數(shù)，減少了去噪時間。實驗結(jié)果表明，該方法能保留更多的圖像邊緣細節(jié)，在信噪比方面要優(yōu)于傳統(tǒng)的PDE去噪模型。
　　 2.針對全

4、變分模型易受到噪聲影響，在圖像處理過程中會丟失重要的細節(jié)信息的問題，提出一種適合生物信息圖像的全變分去噪增強模型。利用形態(tài)學(xué)重建先驗知識約束正則化項，提高了TV正則項指數(shù);通過給平滑項增加新的自適應(yīng)系數(shù)的方法，增強了生物信息圖像的邊緣結(jié)構(gòu)。模型分析和實驗結(jié)果均表明，提出的全變分模型在去噪性能方面優(yōu)于傳統(tǒng)PDE模型。該模型還可以作為一種有效的圖像預(yù)處理手段，與分水嶺標記變換結(jié)合可以準確高效的提取到生物信息圖像的目標區(qū)域。
　　 3

5、.由于生物信息圖像具有目標分散、邊緣模糊的特點，為了快速準確的分離圖像目標區(qū)域，提出了一種基于水平距離正則項的主動輪廓分割模型。該模型利用不同的正則化函數(shù)分別對全局擬合項和局部擬合項進行約束，進一步提高了分割精度;并設(shè)計新的邊緣停止函數(shù)來保護生物信息圖像的弱邊緣，防止邊緣泄露;為了進一步消除水平集函數(shù)的重新初始化過程，模型中通過使用一種含有兩個極小值的水平距離正則項來對能量泛函進行約束，可以在迭代中采用較大的時間步伐，提高曲線的演化速度

6、。實驗結(jié)果表明該分割模型對演化參數(shù)的設(shè)置不敏感，能有效保護生物信息圖像的弱邊緣，具有很強的分割魯棒性。
　　 4.針對生物信息圖像會出現(xiàn)灰度不均勻性、亮度不一致性的問題，提出了一種結(jié)合區(qū)域鄰域信息的局部二值擬合圖像分割模型。通過在全局擬合項中添加像素鄰域影響項，使分割模型能夠以較少的迭代次數(shù)分割亮度不一致的生物信息圖像。同時，為了保證水平集方法中的精確計算，能量泛函中通過添加距離正則項來消除水平集函數(shù)的重新初始化過程。實驗結(jié)果表