專利名稱：基于背景熒光消除的目標熒光光譜解混方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種多光譜成像與圖像處理相關(guān)技術(shù)，尤其是涉及一種基于背景熒光消除的目標熒光光譜解混方法。
背景技術(shù)：
光譜解混技術(shù)是多光譜成像領(lǐng)域一項基礎(chǔ)而重要的工作。在多光譜成像系統(tǒng)中， 不同單一物質(zhì)所發(fā)出的光子計數(shù)在不同光譜波段是不同的，這就構(gòu)成了特定單一物質(zhì)的發(fā)射光譜指紋特征，這些特定物質(zhì)的發(fā)射光譜指紋特征被稱為端元。在實際的多光譜成像中， 不同物質(zhì)所發(fā)出的光子計數(shù)信號混合后經(jīng)過中心波長不同的多個光譜通道濾波后到達成像探測設(shè)備。成像探測器所檢測到的光子計數(shù)，是由不同物質(zhì)的光子信號混合而成。光譜解混技術(shù)，就是希望從采集到的多個通道圖像中，分解出與特定物質(zhì)一一對應的光子計數(shù)信號。具體地說，多光譜成像中的光譜解混技術(shù)是把測量得到的混合圖像數(shù)據(jù)，分解成各單一物質(zhì)的端元以及和該單一物質(zhì)端元相應的組分系數(shù)矩陣，該矩陣也被稱為豐度矩陣。豐度矩陣表示在每組成像通道中，不同端元在各圖像像素所占的組分比例。每個通道所采集的圖像構(gòu)成一個光譜向量，表示視場中各端元在這個通道的比例分布。通過算法分析這些通道得到的圖像，可以對視場內(nèi)的物質(zhì)進行成分分析和定量分析，這已經(jīng)廣泛地應用在地質(zhì)、 石油、化工、醫(yī)藥等許多方面。在多光譜熒光成像系統(tǒng)中，受一定能量激發(fā)光的激勵，被試樣本內(nèi)特定物質(zhì)會向外發(fā)射一定波長范圍的光子信號，所得到的圖像信號基本上分為兩種目標熒光信號和背景熒光信號。目標熒光是注射到樣本內(nèi)的熒光劑所產(chǎn)生的，具有局部抱團聚集的特性，這些聚集區(qū)域被背景熒光區(qū)域覆蓋包繞。背景熒光以樣本本身受光激發(fā)產(chǎn)生的自發(fā)熒光為主， 也包括CCD成像曝光因素等導致的光亮度的變化，其光強度稍弱，在可見光多個光譜波段的通道上都有分布。相比于目標熒光區(qū)域，背景熒光在圖像空間位置上的分布較廣泛；受成像噪聲及被試樣本特性的影響，這些背景熒光的光子計數(shù)在空間的分布也并不均勻。目前， 在多光譜成像應用研究中，背景熒光很難被光譜解混算法分離出來。就目前的技術(shù)水平而言，光譜解混的方法大致可以分為三類基于純端元假設(shè)的算法、基于最小凸體分析的算法、基于統(tǒng)計學的算法。前兩類方法一般可以歸結(jié)為線性解混方法，其中第一類方法假設(shè)每一個端元至少在一個成像通道中存在只含該端元物質(zhì)100% 組分的像素，雖然在實際數(shù)據(jù)中這種假設(shè)條件很難存在，但由于這種類型方法計算效率很高，容易理解，因此在高光譜的分析中應用最多。第二類方法，即基于最小凸體分析的方法， 這種方法是指在端元相關(guān)性最小的條件下，求得多光譜數(shù)據(jù)的最小凸體變化，該最小凸體的頂點所代表的向量就是多光譜數(shù)據(jù)的端元。對于一組含有P個端元的數(shù)據(jù)來說，凸體分析方法要求每個凸面含有P-I個光譜向量。例如對含有3個端元的多光譜成像數(shù)據(jù)來說， 該最小凸體為三個頂點的三角形，有三條邊構(gòu)成凸體的凸面，就需要在這三個凸面上至少采集6個成像通道的數(shù)據(jù)構(gòu)成光譜向量，如果少于6個成像通道的光譜向量，這此類方法不能對背景熒光和目標熒光進行準確解混。而本發(fā)明適用于熒光成像系統(tǒng)采集通道數(shù)目稀疏不能滿足凸體分析對最小光譜向量數(shù)目要求時，還能準確對背景熒光和目標熒光進行解混。第三類方法是基于統(tǒng)計學的方法。當端元混合程度較高，采集的光譜通道數(shù)較小時，在凸面上不能保證都滿足有P-I個光譜向量，使用前兩類方法很難得到較好的解混效果時， 就采用基于統(tǒng)計學的光譜解混方法。與前兩種方法相比，統(tǒng)計學方法計算更加復雜。在本發(fā)明成像系統(tǒng)中，由于通道數(shù)目稀疏，背景熒光廣泛而不均勻的分布，單純使用以上三種方法并不能得到很好的解混效果。因此如何自動，精確，魯棒地解混出目標熒光和背景熒光， 是本領(lǐng)域的一個技術(shù)難題。目前雖然有很多方法可以消除背景熒光，包括設(shè)置窄帶濾光片方法和使用近紅外目標熒光劑方法，但是這些方法都具有一定的不適用性?，F(xiàn)有的熒光譜解混算法，用非自動目標熒光區(qū)域提取來輔助用于光譜解混算法，但沒有考慮到背景熒光對目標熒光區(qū)域光子計數(shù)的貢獻，在后續(xù)的解混過程中，也沒對背景熒光和目標熒光分離后再對目標熒光進行解混。

發(fā)明內(nèi)容
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于背景熒光消除的目標熒光光譜解混方法。本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，包括以下步驟(1)對圖像進行預處理；(2)提取目標熒光區(qū)域；(3)得到目標熒光區(qū)域后，對多通道圖像中該目標熒光區(qū)域的光子計數(shù)值都置為零；再利用目標熒光區(qū)域周圍其他背景熒光的光子計數(shù)值對置零的區(qū)域進行背景熒光信號的平滑修補，得到背景熒光圖像；(4)利用原始圖像減去背景熒光圖像，就得到了目標熒光圖像，對所得目標熒光圖像通過線性解混算法進行線性解混，得到最終目標熒光解混結(jié)果。所述的步驟(1)中的對圖像進行預處理包括利用形態(tài)學方法平滑圖像去除圖像噪聲，增強目標熒光和背景熒光對象的對比度，并削弱背景熒光。所述的步驟(1)中的對圖像進行預處理，具體過程如下1)使用基于h_圓頂方法對圖像濾波處理，用如下形態(tài)學公式表示Mh(x) = X-P X(x_h)式中Mh(x)表示圖像前景，χ為圖像原始數(shù)據(jù)，x-h表示原始數(shù)據(jù)減去一個常數(shù)h， px(x-h)表示圖像x-h經(jīng)過形態(tài)學膨脹后，在與原圖像對照的基礎(chǔ)上進行形態(tài)學重建，再通過以上h-圓頂形態(tài)學方法的迭代計算，逐漸趨于收斂；2)對圖像分別進行形態(tài)學的開運算和閉運算，進行形態(tài)學重建。所述的步驟( 提取目標熒光區(qū)域具體如下利用核最大自相關(guān)因子算法得到各個通道主要變化區(qū)域，即目標熒光區(qū)域。所述的步驟(3)中的利用目標熒光區(qū)域周圍其他背景熒光的光子計數(shù)值對置零的區(qū)域進行背景熒光信號的平滑修補具體如下
利用目標熒光區(qū)域周圍原始圖像的背景像素信息，利用快速行進法對目標區(qū)域進行圖像平滑迭代修補，沿著圖像梯度進行平滑，在平滑過程中使用周圍鄰域像素的加權(quán)均值。所述的步驟中的線性解混算法具體如下X = CS+A+E式中X為指各成像采集通道采集到的混合圖像數(shù)據(jù)，其規(guī)模大小是mXn，m表示每幅圖像的像素數(shù)目，η表示通道數(shù)目；C為端元矩陣，是各種特定目標熒光劑發(fā)射出的光子計數(shù)，其規(guī)模大小是mXk，k 表示端元的數(shù)目；S為豐度矩陣，表示端元在各個通道下的比例，其規(guī)模是kXn ；A為背景熒光；E表示剩余項，即為噪聲。 通過線性解混算法進行線性解混具體如下先對豐度矩陣S初始化賦值，并假設(shè)S為已知，通過最優(yōu)化方程求出矩陣C，再假設(shè) C已知，通過最優(yōu)化方程再求出新的矩陣S，不斷地循環(huán)迭代，直到滿足終止條件為止。所述的最優(yōu)化方程為交替迭代最小二乘方法實現(xiàn)的最優(yōu)化方程，即min Il E Il 2 = Il X-A-CS Il 2。通過不適應率判斷循環(huán)迭代是否結(jié)束，循環(huán)優(yōu)化過程中，每次都會產(chǎn)生新的端元矩陣和豐度矩陣，在此基礎(chǔ)上求得不適應率，這樣就完成了一次迭代；上一次所得到的迭代結(jié)果會作為下一次優(yōu)化的初始參數(shù)，直到滿足終止條件時迭代終止。所述的不適應率計算如下
權(quán)利要求
1.一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，包括以下步驟(1)對圖像進行預處理；(2)提取目標熒光區(qū)域；(3)得到目標熒光區(qū)域后，對多通道圖像中該目標熒光區(qū)域的光子計數(shù)值都置為零; 再利用目標熒光區(qū)域周圍其他背景熒光的光子計數(shù)值對置零的區(qū)域進行背景熒光信號的平滑修補，得到背景熒光圖像；(4)利用原始圖像減去背景熒光圖像，就得到了目標熒光圖像，對所得目標熒光圖像通過線性解混算法進行線性解混，得到最終目標熒光解混結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的步驟(1)中的對圖像進行預處理包括利用形態(tài)學方法平滑圖像去除圖像噪聲，增強目標熒光和背景熒光對象的對比度，并削弱背景熒光。
3.根據(jù)權(quán)利要求2所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的步驟(1)中的對圖像進行預處理，具體過程如下1)使用基于h-圓頂方法對圖像濾波處理，用如下形態(tài)學公式表示Mh (χ) =X-Px (x-h)式中Mh(x)表示圖像前景，χ為圖像原始數(shù)據(jù)，x-h表示原始數(shù)據(jù)減去一個常數(shù)h， Px(x-h)表示圖像x-h經(jīng)過形態(tài)學膨脹后，在與原圖像對照的基礎(chǔ)上進行形態(tài)學重建，再通過h-圓頂形態(tài)學方法的迭代計算，逐漸趨于收斂；2)對圖像分別進行形態(tài)學的開運算和閉運算，進行形態(tài)學重建。
4.根據(jù)權(quán)利要求1所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的步驟(2)提取目標熒光區(qū)域具體如下利用核最大自相關(guān)因子算法得到各個通道主要變化區(qū)域，即目標熒光區(qū)域。
5.根據(jù)權(quán)利要求1所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的步驟(3)中的利用目標熒光區(qū)域周圍其他背景熒光的光子計數(shù)值對置零的區(qū)域進行背景熒光信號的平滑修補具體如下利用目標熒光區(qū)域周圍原始圖像的背景像素信息，利用快速行進法對目標區(qū)域進行圖像平滑迭代修補，沿著圖像梯度進行平滑，在平滑過程中使用周圍鄰域像素的加權(quán)均值。
6.根據(jù)權(quán)利要求1所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的步驟中的線性解混算法具體如下X = CS+A+E式中X為指各成像采集通道采集到的混合圖像數(shù)據(jù)，其規(guī)模大小是mXn，m表示每幅圖像的像素數(shù)目，η表示通道數(shù)目；C為端元矩陣，是各種特定目標熒光劑發(fā)射出的光子計數(shù)，其規(guī)模大小是mX k，k表示端元的數(shù)目；S為豐度矩陣，表示端元在各個通道下的比例，其規(guī)模是kXn;A為背景熒光；E表示剩余項，即為噪聲。
7.根據(jù)權(quán)利要求6所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，通過線性解混算法進行線性解混具體如下先對豐度矩陣S初始化賦值，并假設(shè)S為已知，通過最優(yōu)化方程求出矩陣C，再假設(shè)C已知，通過最優(yōu)化方程再求出新的矩陣S，不斷地循環(huán)迭代，直到滿足終止條件為止。
8.根據(jù)權(quán)利要求7所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的最優(yōu)化方程為交替迭代最小二乘方法實現(xiàn)的最優(yōu)化方程，即min Il E Il 2 = Il X-A-CS Il 2。
9.根據(jù)權(quán)利要求7所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，通過不適應率判斷循環(huán)迭代是否結(jié)束，循環(huán)優(yōu)化過程中，每次都會產(chǎn)生新的端元矩陣和豐度矩陣，在此基礎(chǔ)上求得不適應率，這樣就完成了一次迭代；上一次所得到的迭代結(jié)果會作為下一次優(yōu)化的初始參數(shù)，直到滿足終止條件時迭代終止。
10.根據(jù)權(quán)利要求9所述的一種基于背景熒光消除的目標熒光光譜解混方法，其特征在于，所述的不適應率計算如下
全文摘要
本發(fā)明涉及一種基于背景熒光消除的目標熒光光譜解混方法，包括以下步驟(1)對圖像進行預處理；(2)提取目標熒光區(qū)域；(3)得到目標熒光區(qū)域后，對多通道圖像中該目標熒光區(qū)域的光子計數(shù)值都置為零；再利用目標熒光區(qū)域周圍其他背景熒光的光子計數(shù)值對置零的區(qū)域進行背景熒光信號的平滑修補，得到背景熒光圖像；(4)利用原始圖像減去背景熒光圖像，就得到了目標熒光圖像，對所得目標熒光圖像通過線性解混算法進行線性解混，得到最終目標熒光解混結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明具有在通道稀疏的情況下仍然能夠得到很好的解混效果等優(yōu)點。
文檔編號G06T5/50GK102436648SQ20111023039
公開日2012年5月2日 申請日期2011年8月11日 優(yōu)先權(quán)日2011年8月11日
發(fā)明者湯天衡, 秦斌杰, 趙勇 申請人:上海交通大學, 上海基潤生物科技有限公司