基于相对非均匀高斯模糊的z-stack图像快速配准方法与流程

本发明涉及图像处理，具体涉及基于相对非均匀高斯模糊的z-stack图像快速配准方法。

背景技术：

1、现有图像配准算法主要分为两大类[r.szeliski,“image alignment andstitching:a tutorial,”foundationsand trends in computer graphics and vision,vol.2,no.1,pp.1–104,2006.]：基于特征的配准方法和基于像素的配准方法。考虑到图像模糊对配准精度的影响，主要介绍适用于模糊图像配准的方法。

2、基于图像特征的配准算法首先通过提取图像特征点，然后进行比对计算出相对平移和仿射变换。目前最常用的特征提算法主要为sift[lowe d g.distinctive imagefeatures from scale-invariant keypoints.international journal of computervision,2004,60(2):91-110]和surf[h.bay,t.tuytelaars,and l.van gool,“surf:speeded up robustfeatures,”in computer vision–eccv 2006,springer berlinheidelberg]。然而，作为通用的特征提取方法，特征提取会受限于图像模糊程度和图像内容的丰富程度；换而言之，图像越模糊或者图像内容越少，该类方法就越难提取出特征点。此外，对于细胞图像而言，由于细胞特征相似，提取的特征点有较高可能的比对错误。近年来，liang等[y.liang,y.mao,z.tang,m.yan,y.zhao,and j.liu,“efficientmisalignment-robust multi-focus microscopical images fusion,”signalprocessing,vol.161,pp.111–123,2019]提出了同时surf特征提取、配准与融合的方法，相对于分两步实现配准与融合，提高了计算效率。

3、基于像素模糊图像配准算法主要通过构造测度函数来迭代优化求解仿射变换、点扩散函数和清晰图像等。常用的测度函数包括ssd(平方差和)，sad(绝对差和)，相位相关性等。利用模糊不变矩的思想，pedone等提出了基于n-fold模糊核的相位不变矩，实验表明该方法还可以应用于非均匀失焦模糊，尽管理论上要求傅里叶变换成立。对于中度模糊，n-fold方法与surf配准精度接近，但surf配准速度要快10倍以上；对于重度模糊，n-fold方法明显优于与surf，但配准误差还难以保证不超过2个像素。

4、明视野显微镜景深受限导致无法实现厚样本全聚焦成像，需要多层扫描然后融合才能得到全聚焦图像。然而，多层扫描过程中平台高速运动，平台运动精度难以保证相邻两层图像没有偏移(对于分辨率0.25微米/像素，需要达到0.2微米重复运动精度才能保证没有偏移)；此外，运动平台自身震动，轻微的外部震动(不稳定气流、间接磕碰等)都可能会引起z-stack偏移；

5、1)空间变化的失焦模糊使得图像配准难度加大，尤其是高倍镜40x以上；

6、2)现有技术难以同时满足高配准精度(误差不超过2个像素)和快速(实时)配准；

7、因此，现有技术存在不足，需要提供一种新的方法解决上述问题。

技术实现思路

1、针对现有技术存在的问题，本发明提供基于相对非均匀高斯模糊的z-stack图像快速配准方法。

2、为实现上述目的，本发明的具体方案如下：

3、本发明提供基于相对非均匀高斯模糊的z-stack图像快速配准方法，包括如下步骤：

4、s1，输入z-stack图像g1和z-stack图像g2，通过相对二次梯度能量rge，选取两幅图像中边缘丰富且相对高斯模糊的图像块ω(u*,v*)；

5、s2，通过交替最优化求解平移估计目标函数j

6、s201，对于给定区域ω(u*,v*)上的图像块g1和g2，通过梯度下降线搜索法迭代求解相对非均匀高斯模糊，构造失焦图像

7、s202，利用穷举法计算平移值，通过穷举平移值使得图像块g2和合成图像误差最小；

8、s203，交替步骤s202与s203直至满足收敛条件。

9、进一步地，在步骤s1中，选取的图像块用如下公式表示：

10、ω(u,v)＝{(x,y)||x-u|≤ps,|y-v|≤ps}；

11、其中，(u,v)表示图像块中心点位置，ps表示设定的图像方块半径，该半径在50像素以内。

12、进一步地，在步骤s1中，通过相对二次梯度能量rge选取图像块，包括如下步骤；

13、s101，将输入的两幅z-stack图像通过相对二次梯度能量rge计算，寻找图像块；

14、s102，遍历全像素点，找到rge(u,v)处于最大值rge(u*,v*)时候的图像块ω(u*,v*)；

15、其中，相对二次梯度能量rge用于寻找g1梯度丰富清晰而g2边缘模糊的区域，以便保证相对模糊存在；

16、s103，如果rge(u*,v*)<0，则交换图像g1和g2，以便保持在图像块ω(u*,v*)上g2比g1模糊；

17、s104，多幅图像，通过两两逐次配准完成。

18、进一步地，在步骤s1中，相对二次梯度能量rge计算公式如下：

19、

20、其中，和表示水平和垂直方向的梯度算子。

21、s201，假设相对模糊参数σ(u,v)在图像块ω(u*,v*)光滑，光滑程度与景深相关，构造平移估计目标函数：

22、

23、其中，λ表示正则化参数，用于控制模糊参数的光滑程度；

24、s202，通过交替迭代变量最优化求解平移和相对模糊参数，给定估计平移值通过梯度下降线搜索法迭代求解，具体公式如下：

25、

26、s203，通过穷举法求解平移值，公式如下：

27、

28、其中，s1，s2表示设定的行方向与列方向平移搜索范围，两者均取决于运动平台的精度和成像系统分辨率；

29、采用本发明的技术方案，具有以下有益效果：

30、1.通过相对高斯模糊避免估计全聚焦清晰图像，一方面降低了未知参数数量从而减小平移估计问题的病态性，另一方面可以大幅减少计算量；

31、2.通过图像配准技术实现z-stack图像高精度对齐(行/列配准误差较小，例如可以做到不超过2个像素)，从而不会对全聚焦成像造成困难。

技术特征：

1.基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，在步骤s1中，选取的图像块用如下公式表示：

3.根据权利要求1所述的基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，在步骤s1中，通过相对二次梯度能量rge选取图像块，包括如下步骤；

4.根据权利要求1所述的基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，在步骤s1中，相对二次梯度能量rge计算公式如下：

5.根据权利要求1所述的基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，在步骤s2中，对于给定的图像g1和相对模糊参数σ(u,v)(待估计的未知隐藏变量)，通过相对非均匀高斯模糊，构造合成失焦图像

6.根据权利要求1所述的基于相对非均匀高斯模糊的z-stack图像快速配准方法，其特征在于，步骤s2包括如下步骤：

技术总结
本发明提供基于相对非均匀高斯模糊的z‑stack图像快速配准方法，包括：输入z‑stack图像g1和z‑stack图像g2，通过相对二次梯度能量RGE，选取两幅图像中边缘丰富且相对高斯模糊的图像块Ω(u<supgt;*</supgt;,v<supgt;*</supgt;)；利用景深光滑先验，对于图像块区域Ω(u<supgt;*</supgt;,v<supgt;*</supgt;)通过交替最优化迭代求解相对非均匀高斯模糊和相对平移。本发明通过相对高斯模糊避免估计全聚焦清晰图像，一方面降低了未知参数数量从而减小平移估计问题的病态性，另一方面可以大幅减少计算量；通过图像配准技术实现z‑stack图像高精度对齐(行/列配准误差不超过2个像素)，从而不会对全聚焦成像造成困难。

技术研发人员：周旭,李小军
受保护的技术使用者：易普森生物科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/14