[发明专利]基于蛋白点多维特征的两凝胶图像间蛋白点匹配方法

摘要

一种基于蛋白点多维特征的两凝胶图像间蛋白点匹配方法，包括步骤1）凝胶图像蛋白点检测与量化；2）两凝胶图像归一化；3）蛋白点多维特征提取；4）基于多维特征匹配的两凝胶图像间蛋白点粗匹配；5）两凝胶图像间蛋白点精匹配。本发明的优点是从归一化处理后的凝胶图像提取蛋白点多维特征信息，利用蛋白点的多维特征完成两凝胶图像间蛋白点粗匹配，具有匹配精度高和误匹配率低的优点，有效地保障了后续精匹配的精度。

主权项

基于蛋白点多维特征的两凝胶图像间蛋白点匹配方法，其特征在于包括以下方法步骤：1)凝胶图像蛋白点检测与量化；2)两凝胶图像归一化，具体包括下述步骤：(a)灰度归一化，分别计算图像A和B中像素的均值Ε和方差σ2，对图像中所有像素的灰度值按下式进行归一化处理，I′(i)=E0+(I(i)-E)2·σ02/σ2,I(i)≥EE0-(I(i)-E)2·σ02/σ2,I(i)<E]]>其中，I(i)为某一图像第i个像素的灰度值，I′(i)为灰度归一化后该像素的灰度值，Ε0为预期的平均灰度，为预期的方差；(b)几何归一化，采用反向合成图像对齐算法将图像A向图像B对齐，图像A与图像B间的坐标变换关系T为其中，x＝(x y)T为坐标值，p为变换参数；3)蛋白点多维特征提取，具体包括下述步骤：(a)计算归一化坐标特征CO；(b)计算归一化面积特征CS；(c)计算归一化平均灰度特征CG；(d)计算归一化基准特征CB；(e)计算归一化深度特征CH；(f)计算归一化饱和度特征CD；(g)计算归一化稀疏度特征CP；(h)将蛋白点Pi提取到的七个特征构成向量4)基于多维特征匹配的两凝胶图像间蛋白点粗匹配，具体包括下述步骤：(a)将图像B中所有蛋白点的特征向量生成K‑D树，记为TreeB；(b)对于图像A中一蛋白点PAi的特征向量采用BBF算法在TreeB寻找最近邻向量与次近邻向量其中向量之间距离计算方法为d2＝|COi‑COj|2+(CSi‑CSj)2+(CGi‑CGj)2+(CBi‑CBj)2+(CHi‑CHj)2+(CDi‑CDj)2+(CPi‑CPj)2若则认为P′A与匹配，否则认为P′A没有匹配点；(c)对上步获取的匹配结果采用RANSAC算法剔除误匹配；5)两凝胶图像间蛋白点精匹配，具体包括下述步骤：(a)计算图像A到图像B的坐标变换模型参数，将两凝胶图像中已匹配的蛋白点对作为基准点对，分别计算横坐标和纵坐标上的TPS(Thin‑Plate Splines)变换参数；(b)获取未匹配蛋白点的准匹配点；(c)剔除误准匹配蛋白点。