高通量基因測序堿基識別中圖像去噪的方法研究.pdf

1、高通量基因測序技術是第二代基因測序的主要技術，得到許多研究機構的廣泛關注。該技術是將含有堿基信息的熒光點組成原始待測序圖像，經(jīng)過堿基識別操作得到所測基因序列。因為原始熒光圖像信噪比低等原因，影響堿基識別的準確度，因此需要圖像去噪等預處理操作。在過去的幾十年中，針對測序圖像的去噪算法已經(jīng)取得了極大的發(fā)展。由于待測序圖像具有紋理密度多樣性和噪聲多樣性的特點，小波閾值收縮去噪算法在解決測序圖像去噪問題上具有較好的性能。本文提出了兩種基于小波閾

2、值改進算法模型用于待測序圖像去噪問題。
　　基于閾值的小波收縮去噪算法主要由兩類組成：基于全局閾值小波收縮去噪方法和基于局部閾值的小波收縮去噪方法。本文提出的第一種算法是基于à trous小波的改進閾值算法。首先將含噪聲圖像小波分解為多個高頻分量和一個低頻分量，然后使用1范數(shù)構造每一層小波系數(shù)對應的全局閾值表達式，并根據(jù)每一層小波系數(shù)與閾值提出了估計小波系數(shù)表達式。最后進行小波逆變換，得到降噪后的圖像。本文提出的第二種小波閾值去噪

3、算法主要是使用離散小波變換，對BiShrink閾值算法進行改進。傳統(tǒng)的BiShrink算法在計算估計小波系數(shù)時考慮當前系數(shù)、父子系數(shù)之間的相關性，但是該方法沒有考慮信號的分布特性，造成重構圖像模糊。而本文提出的算法是在含有高斯噪聲的數(shù)據(jù)庫中，在每個小波系數(shù)的鄰域內(nèi)選擇部分小波系數(shù)來計算局部閾值，并使用拉普拉斯模型改進估計小波系數(shù)表達式，使得解決待測序圖像的去噪算法更具有魯邦性。
　　本文提出的兩種算法模型都在Swift和人工仿真的