[发明专利]一种荧光显微图像下的微液滴自动检测方法

权利要求书

1.一种荧光显微图像下的微液滴自动检测方法，其特征在于，包括以下步骤：

S101，对带噪声的FMIM灰度图进行高斯噪声变换；

S102，对步骤S101获得的图像降噪后进行高斯噪声逆变换，获得降噪后的微液滴图像；

S103，对降噪后的微液滴图像进行自适应对比度增强，获得微液滴增强结果图；

S104，提取微液滴增强结果图的类Radon特征，获得边缘特征图；

S105，分别对步骤S102获得的降噪后的微液滴图像及步骤S104获得的边缘特征图进行微液滴目标检测；

S106，合并步骤S105中两类图像的微液滴目标检测结果，将两类结果中圆心坐标差的绝对值和小于判别阈值的微液滴目标视为一个微液滴进行计数，得到最终的微液滴检测数目。

2.根据权利要求1所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述步骤S102中，基于自适应聚类和渐进PCA近似的图像降噪算法进行图像降噪，具体过程包括：

S201，将整个图像划分为重叠的若干图像块，估计全局噪声水平；

S202，基于估计的全局噪声水平，使用“过聚类-迭代合并”的方式进行图像块的自适应聚类，获得多个类矩阵；

S203，基于Marchenko-Pastur定律将所述类矩阵转化为低秩类矩阵；

S204，使用LMMSE降噪方法，对所述低秩类矩阵在PCA变换域上的每个变换带上进行局部估计的降噪处理；

S205，将降噪处理后的矩阵变换为空间域，得到降噪后的微液滴图像。

3.根据权利要求2所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述自适应聚类中，采用K-means方法进行聚类。

4.根据权利要求2所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述LMMSE降噪方法中，LMMSE估计子参数通过局部平均的方式获得。

5.根据权利要求1所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述步骤S103中，采用基于亮度图的低亮度图像增强算法进行自适应对比度增强，具体过程包括：

S301，以降噪后的微液滴图像作为初始化亮度图

S302，求解目标函数优化问题获得精确的亮度图T，所述目标函数优化问题的表达式为：

其中，α为调节系数，表示基于像素的点乘操作。||·||_F和||·||₁分别表示Frobenious范数和l₁范数，W为加权矩阵，为T的一阶导数滤波器，包括沿水平方向计算的和沿垂直方向计算的表示基于像素的点乘操作；

S303，对亮度图T进行Gamma校正后，获得增强后的结果图

S304，对增强后的图像运用BM3D算法进行局部自适应降噪重组，得到最终的微液滴增强结果图R_f。

6.根据权利要求5所述的荧光显微图像下的微液滴自动检测方法，其特征在于，所述加权矩阵采用以下三种方式中的任一获得：

1)W_h(x)←1；W_v(x)←1；

2)

3)

其中，W_h(x)为沿水平方向计算的像素x位置的权重值，W_v(x)为沿垂直方向计算的像素x位置的权重值，分别为沿水平方向和沿垂直方向计算人一阶导数滤波器，∈为非零常数，Ω(x)为中心位于像素x位置的图像区域，G_σ(x,y)表示标准差为σ的高斯核函数。