一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法与流程

本发明涉及一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法，该方法是数字共焦显微技术中三维生物显微图像复原处理的一个重要环节，属于数字图像复原处理技术领域。该方法的应用，可按照快速浏览、正常查看和精细计算的不同复原要求需要，从尺度不变特征变换算法的角度出发，综合三维点扩散函数结构理论，对三维点扩散函数进行选取。

背景技术：

数字共焦显微技术以普通生物光学显微镜为基础，配置图像探测器、精密移动控制机构和电脑，采用数字图像处理技术，对采集的生物样本显微图像进行复原处理，消除焦面以外的散焦的影响，以提高细胞图像的分辨率。

数字共焦显微技术中的复原处理，采用的是三维显微图像去卷积复原方法。三维点扩散函数表征了显微镜光学系统，直接决定着去卷积复原处理的效果。三维点扩散函数越准确地反映显微镜光学系统的能量分布，复原效果越好。在此基础上，三维点扩散函数的空间大小选取越大，包含能量越大，复原效果越好，同时处理时间越长。三维点扩散函数为对顶双漏斗结构，绝大部分能量集中在中部的双漏斗对顶处的微小区域。因此，在进行图像复原处理时，合理的选取是以该处为原点选取微小区域的一定空间大小的三维点扩散函数进行图像复原处理，但是随着空间大小的逐渐增大，复原效果提升逐步趋缓，而处理时间却迅速增加。因此，如何根据不同的复原要求，综合和权衡考虑复原效果和处理时间，选取适当的三维点扩散函数进行复原处理，是数字共焦技术中三维显微图像去卷积复原处理需要解决的重要问题。

技术实现要素：

本发明的目的是提供一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法，考虑复原后图像与原始清晰图像之间的尺度不变特征变换算法的特征匹配点数目，结合三维点扩散函数结构理论，选取适当空间大小的三维点扩散函数，对采集的显微切片图像进行复原处理。

本发明通过以下技术方案达到上述目的：一种基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法，包括：

1)根据显微成像系统的参数，保持光学切片层距不变，确定放大倍数，制作表征显微镜光学系统的大空间三维点扩散函数h，对h以其中心进截取，得到用于复原的一系列三维点扩散函数hm_r_z，其中m表示放大倍数，r表示径向大小，z表示层数；2)用一幅清晰细胞图像作为初始二维样本，制作相互关联的序列二维图像，并用这些序列二维图像构建一个清晰仿真样本三维图像f，用h与f卷积得到模糊仿真三维成像图像g；3)用步骤(1)中一系列不同径向大小、不同层数即相应不同能量大小、不同空间的三维点扩散函数分别对三维图像g进行去卷积复原处理，复原算法采用最大似然法，复原后的图像用fi表示；

还包括以下步骤：

a、对f、g和fi进行特征点检测和尺特征点匹配，记录特征点匹配的数目；

所述对f、g和fi进行特征点检测和特征点匹配，是指先分别对f、g和fi检测特征点，即在尺度空间中检测符合要求的特征点，然后将fi与f的特征点、g与f的特征点进行特征点匹配，记录特征点匹配的数目，

b、绘制特征点匹配数目与三维点扩散函数直径、层数关系曲线图；

c、绘制匹配点数目增量曲线图，结合三维点扩散函数现有结构理论，对三维点扩散函数空间进行选取。

所述绘制匹配点数目与三维点扩散函数直径、层数关系曲线图，是指将匹配点数目与复原用的不同直径、不同层数的三维点扩散函数相对应，并以层数为横坐标，特征点匹配数目为纵坐标，绘制不同直径下的曲线。

所述绘制匹配点数目增量曲线图，结合三维点扩散函数现有结构理论，对三维点扩散函数空间进行选取，是指计算匹配点数目的增量，并与三维点扩散函数的直径、层数相对应，以层数为横坐标，特征点匹配数目增量为纵坐标，绘制不同直径下的曲线，分析曲线并结合三维点扩散函数现有结构理论，对三维点扩散函数空间进行选取。

本发明的突出效果在于：

在不同复原要求下，三维点扩散函数的选取结果直接决定着数字共焦显微技术中三维显微图像去卷积复原效果和处理时间。如何选取，一直是数字共焦显微技术待解决的问题。本发明基于尺度不变特征变换算法的相关理论，对原始清晰图像、模糊图像和复原后的图像，先分别进行特征点的检测，然后将复原后图像、模糊图像分别与原始清晰图像做尺度不变特征变换算法特征匹配，记录匹配点的数目，并与相应的三维点扩散函数的直径、层数对应，绘制特征点匹配数目与三维点扩散函数直径、层数曲线，在此基础上再绘制匹配点数目增量与三维点扩散函数直径、层数曲线，并结合三维点扩散函数现有的结构理论，对三维点扩散函数空间大小进行选取。该方法的提出，为数字共焦显微技术的三维显微图像去卷积复原处理提供了一种有效的三维点扩散函数选取方法。

附图说明

图1是仿真图像。

图2是40倍时特征点匹配数目与3d-psf直径、层数关系曲线图。

图3是40倍时特征点匹配数目增量与3d-psf直径、层数关系曲线图。

图4是复原结果图。

具体实施方式

以下通过一个实例对本发明的基于尺度不变特征变换算法的显微成像系统三维点扩散函数空间大小选取方法，按以下步骤作进一步详细描述：

1.三维点扩散函数制作

设置参数：显微镜机械镜筒长度为160mm；光源波长为550nm；ccd参数：1/3英寸，像素值640×480。

显微镜光学系统放大倍数m和数字孔径na取以下设置：

放大倍数m＝40倍；数值孔径na＝0.6；

三维点扩散函数层距l取0.1μm，制作空间大小为21×21×21的3d-psf，其径向大小为21×21，轴向大小为21，以h40_21_21表示。

以h40_21_21的空间中心点(11,11,11)为中心，分别向四周依次截取空间大小为3×3×3、3×3×5、3×3×7、…、3×3×21、5×5×5、5×5×7、…、21×21×21，共100个三维点扩散函数，命名为h3_3、h3_5、h3_7…、h21_21。

3.三维样本仿真图像f制作

以图1(a)中二维原始清晰图像作为初始样本，大小为151×151，通过微量旋转叠加制作含21幅二维图像的三维仿真样本图像f，大小为151×151×21。

4.模糊仿真三维成像图像g40生成

用h40_21_21与图像f进行卷积运算，生成得到三维模糊图像g40，图1(b)所示为g40取中心层的二维图像。

5.三维仿真图像复原

分别用步骤1得到的100个三维点扩散函数对模糊仿真图像g40进行去卷积复原处理，复原方法采用最大似然法，迭代次数为500次，复原之后图像用fi表示。

6.特征点匹配

对f、g和fi进行特征点检测和特征点匹配，记录特征点匹配数目，如表1所示。

表140倍时特征点匹配数目与三维点扩散函数直径、层数数据

7.绘制特征点匹配数目与三维点扩散函数直径、层数曲线

根据表1数据，以层数为横坐标，匹配点数目为纵坐标，绘制曲线如图2所示。

8.绘制匹配数目增量与三维点扩散函数直径、层数曲线

根据表1数据，计算匹配点数增量，即：对表中每一列数据，用后一行的值减去前面一行的值，第一行的值则减去对应放大倍数下模糊图像g与清晰图像f的特征点匹配数目，将得到的匹配点数增量与三维点扩散函数的直径、层数绘制曲线图，其结果如图3所示。

9.对三维点扩散函数空间进行选取

40倍时，从图3看出：在层数为9层时，特征点匹配数目增量首次达到极小值，在11层、13层时，处于极大值，在17层时第二次达到极小值。这说明了，在层数较小时，图像复原效果一直处于增加状态，层数为9时复原效果达到了某一个稳定值，之后层数继续增加，在11层或13层时，复原效果又达到了一个较高的值，之后随着层数增加，图像复原效果增加缓慢甚至保持不变。

因此，结合现有的三维点扩散函数结构理论，对三维点扩散函数的选取如下：若复原要求为“快速浏览”，可以选择三维点扩散函数的层数小于9，直径与层数相同，例如h40_7_7；若复原要求为“正常查看”，可以选择三维点扩散函数的层数为9，直径与层数相同，例如h40_9_9；若复原要求为“精细分析”，可以选择三维点扩散函数的层数为11，直径与层数相同，例如h40_11_11。采用该方法对仿真图像去卷积复原处理得到的结果如图4所示。