[发明专利]一种用于显微图像的广谱去噪方法

说明书

本发明公开了一种用于显微图像的广谱去噪方法，将子块图像矩阵首尾相接转换为一维向量ysubgt;raw/subgt;，对测量矩阵A进行迭代优化处理，得到优化矩阵Asubgt;o/subgt;，基于测量矩阵A和优化矩阵Asubgt;o/subgt;计算过渡矩阵T，并对过渡矩阵T进行奇异值分解，得到USVsupgt;T/supgt;，将SVsupgt;T/supgt;ysubgt;raw/subgt;中大于阈值的值压缩到阈值，小于该阈值的值不变，从而达到去噪的目的，最后对压制噪声后的y'subgt;SV/subgt;左乘Tsupgt;‑1/supgt;U得到去噪后的Ysubgt;WSD/subgt;，再切去边缘重叠部分，逐行或逐列拼接成完整的去噪后的图像。本发明提供的用于显微图像的广谱去噪方法适用于各种随机噪声，且去噪性能不受荧光分子分布密度影响。

技术领域

本发明涉及图像去噪技术领域，更具体的说是涉及一种用于显微图像的广谱去噪方法。

背景技术

EMCCD(electron-multiplying charge-coupled device)采集的随机光学重建显微(stochastic optical reconstruction microscopy,STORM)原始图像的噪声主要包含服从泊松分布的散粒噪声、服从高斯分布的读出噪声和背景。

提高时间和空间分辨率一直是STORM研究的重点。噪声的存在使得相机的有效像素大小必须约等于成像系统PSF的标准差，这样才能取得较好的单分子定位效果。在基于压缩感知(compressed sensing，CS)的STORM研究中，也延续了这一传统。如果采用高分辨相机(相机有效像素远小于PSF标准差)，就会使每个相机像素接收的光子数过少，导致噪声增大，从而使定位精度急剧降低。各种单分子定位算法的抗噪能力有限，无法有效利用高分辨相机采集的原始图像。CS可实现高密度荧光分子原始图像的采集和重构，大大提高了时间和空间分辨率。

如能实现对原始图像各种噪声的有效去噪，那么就能进一步提高基于CS或其他理论的时间和空间分辨率。并能进一步降低相关仪器设备的制造普及成本和实验操作难度。

目前，在显微和图像处理领域已有很多优秀的高性能去噪算法，例如，适用于高斯噪声的BM3D，适用于泊松和高斯混合噪声的GAV(应用广义Anscombe方差稳定化变换去噪，MAKITALO M，FOI A.Optimal inversion of the generalized Anscombe transformationfor Poisson-Gaussian noise[J].IEEE transactions on image processing，2012，22(1)：91-103.)等。

但是在已发表的各种荧光分子定位文献中却少见对原始图像在定位前做去噪处理的报道。尽管，光激活定位显微(photoactivated localization microscopy，PALM)等单分子定位算法，在定位前会对原始图像做一定的带通滤波(bandpass filter)处理。但是会使原始图像损失大量信息，不适用于CS的重构和计算。基于CS的STORM，原始图像都没有做去噪处理，直接使用减去基线的原始图像，无法充分发挥CS的潜力。原始图像的噪声以泊松噪声主导，混杂多种其他噪声。尽管EMCCD相机性能越来越好，但是读出噪声等依然存在。

因此，如何提供一种针对显微图像的更高效的去噪方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种用于显微图像的广谱去噪方法，更加高效，能够适用于各种随机噪声，且去噪性能不受荧光分子分布密度影响。

为了实现上述目的，本发明采用如下技术方案：

一种用于显微图像的广谱去噪方法，包括：

S1：逐行或逐列提取预先获取的原始图像的边缘重叠的子块图像，得到子块图像矩阵Y_raw；