基于馬爾科夫隨機場的凝膠電泳圖像分割技術研究.pdf

1、雙向凝膠電泳技術作為一種核心蛋白質分析工具,伴隨著蛋白質組學的不斷發(fā)展而煥發(fā)著新的活力,對于推動蛋白質組學的發(fā)展發(fā)揮了極其重要的作用。它主要以凝膠為載體,根據(jù)蛋白質等電點和相對分子量的不同在凝膠介質的二維空間上實現(xiàn)蛋白質的點狀分離。雙向凝膠電泳圖像的分析系統(tǒng)由凝膠圖像采集、凝膠圖像處理和凝膠圖像蛋白表達差異評估三個模塊組成。由于數(shù)據(jù)量極其龐大,凝膠圖像分析(包括圖像預處理,蛋白點檢測與分割和蛋白點匹配等)必須借助計算機分析來完成,使得基

2、于計算機的凝膠圖像分析成為蛋白質組學的分析的關鍵一步。
　　其中只有在圖像分割成功的基礎上才有可能實現(xiàn)對目標特征的提取和參數(shù)的測量,使更高層圖像的分析和圖像理解成為可能。有效的分割方法可以減少蛋白點的過分割和欠分割,最大限度的將所需特征區(qū)域提取出來;可以有效區(qū)分交叉蛋白質點,提高蛋白質點確定的可靠性和點匹配結果的可信度;還可以快速準確的估計蛋白質點的有用信息(蛋白質點的灰度、體積等),進一步提高蛋白點的差異分析,實現(xiàn)凝膠圖像的生物

3、標記。馬爾可夫隨機場(Markov random field,MRF)方法是建立在馬爾科夫隨機場模型與貝葉斯(Bayes)理論的基礎上,提供了先驗知識與不確定性描述聯(lián)系的紐帶,并根據(jù)觀測圖像的特點,利用估計理論和統(tǒng)計決策中某些最優(yōu)準則確定分割問題的目標函數(shù),以此來求解滿足這些條件的最大可能分布,從而將分割問題轉化為最優(yōu)化問題。本文主要是在傳統(tǒng)分割算法的基礎上,對基于馬爾科夫隨機場的凝膠電泳圖像分割技術進行研究。
　　傳統(tǒng)分割算法中

4、,基于閾值分割算法的概念相對簡單,計算效率較高,對于目標與背景對比較強的圖像有良好的處理方法,但是它對灰度依賴性較強;基于區(qū)域分割算法能夠考慮到圖像的空間關系,但偏重于區(qū)域的整體屬性,容易導致圖像的邊界分割不理想,并且由于它本身屬于一種迭代算法,對空間和時間的耗費相對較大;基于邊緣檢測分割算法,雖然對于邊緣定位精度、檢測精度和邊界的確定都有很好的分割效果,但對噪聲敏感,且不同的算法邊緣檢測結果的精度也沒有一個標準統(tǒng)一的衡量尺度;除此之外

5、分水嶺算法因其計算速度快對邊緣定位準確而被引入到凝膠圖像分割上來,但其過分割現(xiàn)象的出現(xiàn)依然作為一個難點存在。而基于Markov隨機場的分割方法是一種利用圖像像素空間相關性進行分割的方法,它將圖像的灰度信息進行分類,并且能夠準確的描述每個像素所屬分類與周圍像素類別之間的相互依賴關系。
　　本文提出了一種基于改進Markov隨機場的凝膠圖像分割算法,其首先利用非局部均值(NL-means)對圖像進行濾波實現(xiàn)圖像預處理,然后根據(jù)貝葉斯定