[发明专利]一种用于明场显微成像的多层图像融合算法

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种用于明场显微成像的多层图像融合算法。

背景技术

当前对细胞形态表型研究的主要手段是通过显微成像，获取图片，并对图片数据进行处理分析，观察其在重编程过程中的变化，获取信息鉴定其状态。显微图像拍摄和采集过程中，有多种成像方式可以选择，比如荧光显微成像、暗场显微成像、明场显微成像、相差显微成像、分干涉相差显微成像等方法。

通常的细胞检测方法是用荧光成像的方法，但这种方法一方面比较繁琐，染色过程需要很多前处理，比如细胞通透、固定等步骤；另一方面是细胞是有标记的、侵入性的或者甚至是对细胞有毒的，因此染色以后的细胞不能再继续观测和使用。由于这些原因，在利用神经干细胞进行治疗的应用中，荧光成像或者染色的方法都是不能够被使用的。在利用相差成像的方法中，由于显微镜和光路并不是藕合在一起，所以在成像过程中，相衬环总是需要重新调整。考虑到批量的自动化细胞培养的需要，该成像方式也不适合自动化处理。

基于以上的情况，最好的方法是利用透射光照明，比如白光或者单色光。利用白光或者单色光的明场显微成像技术的优势在于一方面不会对细胞有任何的伤害，另一方面光学成像设备也比较简单，此外明场显微成像的数据库和公开数据源也是更加常见和普遍的。因此基于明场显微成像的算法或者系统会更加通用，也具有更广泛的推广意义。

明场显微成像的设备专业度要求更简单，但细胞图像的差异会比荧光成像的差异小。由于这个原因再加上细胞表面的丰富变化，明场显微成像下面的细胞检测本身是一件困难的任务。而要在明场显微成像环境下的通过细胞表面的细微变化进行不同应用要求下的后处理，比如细胞活力识别，细胞类型识别等则是件更困难的任务。尽管对于有经验的观察者来说，他们一般能观察到这些区别，但为了更稳定的观察细胞，他们还是需要借助细胞染色的等有标注手段。因此，在不进行染色和不利用专家辨别的情况下，需要建立一个有效的算法来进行高通量的细胞识别。算法的实现能够更好的利用明场成像获取定量信息，为实现无损失无标记的细胞数字化分析打下基础。

在拟研究的明场成像研究项目中，图像预处理的主要工作是图像融合。它通常是把在同一场景下同一个传感器或者多个传感器拍摄到的两幅或者两幅以上图像的信息合并到一起成为一张拥有高信息量的图像的过程。在成像过程中，因为相机的镜头的都只拥有一定的焦深，所以当有些物体位于焦面呈现出清晰锐利的同时，其他的物体就位于焦面以外因此变得模糊和不锐利。为了解决这个问题，图像融合技术把不同图像里面的在焦目标融合到一张图片里面来扩展图像的景深同时也会方便图像的后期处理比如特征提取、目标跟踪、三维重构等。迄今为止，已经有很多融合算法被提出来。

到目前为止，一些融合方法已经被提出，并分别应用在不同的信息层面上：像素层、特征层、决策层。在像素层的融合中，数据在源图像的像素层进行融合。在特征层的融合中，在每个源数据中的特征都被提取出来并融合。在决策层融合中，融合会根据统计分析、统计推断、分类等决策进行。

目前，广泛应用的图像融合框架是基于多分辨率分析，包括金字塔变换，小波变换，曲波变换等等。离散小波变换(DWT)是在图像融合中最常见和重要的多尺度分解方法，因为它可以在空域中提供更多的细节，与别的融合方法相比，能有较好的结果。在基于小波的图像融合中，一个常规的小波变换包括了三个步骤：第一，用小波变换对源图像进行分解，得到不同层下小波系数；然后，根据某个融合规则，融合每一层的小波系数；最后，利用小波逆变换得到融合图像。源图像分解后得到的系数分为低频部分和高频部分，现有技术下每个系数都会被分开处理。例如，在一个“取均值”的融合规则中，融合图像的分解系数由两张源图像的分解系数取均值得到，但是这样的规则会使融合得到的图像模糊从而降低了图像的对比度。又例如，在“选取最大值”的融合规则中，融合图像每个位置的分解系数由源图像相应位置的分解系数的绝对值的最大值决定。然而，一个图像的特征并不是只有一个像素组成和决定。这样的方法，会有增加图像的伪影，减弱图像的对比度等，使得图像失真，变的不自然，从而使得融合后的图像不能很好地反映源图像的有效信息。

发明内容

本发明旨在克服现有技术的图像融合中图像特征只由像素组成及决定而造成的融合后的图像失真的技术缺陷，提供一种运用于明场显微成像的多层图像融合算法。

为实现上述目的，本发明采用以下技术方案：本发明提供一种运用于明场显微成像的多层图像融合算法，包括以下步骤：

根据低频子图的局部区域平均拉普拉斯能量，获取所述低频子图融和的低频系数；