厚組織熒光顯微圖像復(fù)原方法研究.pdf

1、光學(xué)顯微成像技術(shù)已經(jīng)成為生命科學(xué)研究的強有力工具，結(jié)合熒光標(biāo)記技術(shù)，人們可以從熒光顯微圖像中獲得更為清晰的樣品結(jié)構(gòu)信息。但是，由于成像系統(tǒng)衍射和噪聲干擾等因素，熒光顯微圖像不可避免出現(xiàn)模糊和噪聲等退化現(xiàn)象。特別是厚組織成像時，隨著深度的增加，生物樣品對熒光的散射作用導(dǎo)致圖像退化更加嚴(yán)重。圖像復(fù)原技術(shù)作為后處理手段，是消除噪聲和成像模糊，恢復(fù)樣品熒光物體本來面目的有效途徑。因此，本文針對厚組織的熒光顯微圖像的復(fù)原方法進(jìn)行了深入研究，同時，

2、在提高成像信噪比的隨機掃描成像系統(tǒng)設(shè)計方面也做了一些有益的探索。主要研究工作如下：
　　 研究了熒光顯微成像系統(tǒng)的成像模型，對系統(tǒng)中的噪聲來源進(jìn)行了分析，認(rèn)為光子計數(shù)噪聲是其主要噪聲，該噪聲與熒光本身相關(guān)而不可避免。泊松噪聲成像模型符合探測器的光子統(tǒng)計特性，比高斯噪聲模型更適用于熒光成像。探討了常用熒光顯微系統(tǒng)的點擴散函數(shù)及光學(xué)分辨率。研究了熒光顯微圖像的反卷積技術(shù)，對代表性的算法行了實驗驗證和簡單結(jié)果分析。結(jié)果表明，反卷積結(jié)果

3、都存在不同程度的噪聲放大，出現(xiàn)了振鈴狀結(jié)構(gòu)假象。
　　 反卷積之前對觀測圖像進(jìn)行預(yù)去噪處理無疑是一種明智的方案。因此，深入研究了以Perona-Malik(P-M)非線性各向異性擴散方程為基礎(chǔ)的邊緣保持型去噪算法。
　　 分析了P-M 方程邊緣保持去噪的原理及不足，提出了一種融入圖像局部方差信息的改進(jìn)P-M 擴散算法，算法既有效地消除了隨機噪聲又較好地保持了邊緣結(jié)構(gòu)。在此基礎(chǔ)上，為進(jìn)一步提高保邊性能，提出了一種基于魯棒估

4、計子和像素局部統(tǒng)計特征的魯棒P-M 擴散自適應(yīng)去噪算法，該算法在噪聲消除的同時更好地保持了圖像邊緣結(jié)構(gòu)，且具有收斂速度快、算法穩(wěn)定的優(yōu)點。模擬圖像、標(biāo)準(zhǔn)測試圖像和厚組織實際熒光顯微切片圖像的試驗結(jié)果均證實了算法的有效性。
　　 正則化方法是解決反卷積不適定問題的有效方法。因此，深入研究了熒光顯微圖像Richardson-Lucy 反卷積的正則化方法。在對最大熵復(fù)原研究的基礎(chǔ)上，提出了魯棒P-M 擴散預(yù)去噪結(jié)合最大熵正則化的Ric

5、hardson-Lucy 反卷積方案。同時，由于Tikhonov和Total Variation 正則化函數(shù)在形式上相似，在分析它們正則作用不足的基礎(chǔ)上，提出了一種Tikhonov和Total Variation 相結(jié)合的混合正則化方案。試驗結(jié)果表明，兩種方案均能一定程度上復(fù)原樣品原始結(jié)構(gòu)信息。
　　 通過隨機掃描控制延長激發(fā)光在感興趣區(qū)域的停留時間用于熒光信號積分，是從熒光圖像來源上提高圖像信噪比最本質(zhì)的解決辦法。因此，針對自