一种细胞荧光显微图像饱和伪影修复算法

细胞的荧光显微镜图像包含丰富的表型特征,这些表型特征被用于研究细胞内物质的吸收和运输、化学物质的分布和定位等.这些分析需要高质量的细胞图像,然而饱和伪影会导致生物表型特征的严重丢失,这将影响形态学分析和一些分类实验.从数据的后处理角度出发,提出了一种基于生成对抗网络的两阶段细胞图像修复模型,以解决饱和伪影导致的表型特征丢失问题.该模型能够修复大面积的缺失表型特征区域.通过4组实验测试了修复图像的有效性和可信度.结果表明,修复结果填补了丢失的表型特征,提高了分析中的图像质量.使用分类实验作为细胞形态学分析实验的代表,对修复前后的细胞图像进行分类实验,结果证明修复饱和伪影后的图像可以提高基于细胞形态分析的实验准确性.

增强型金枪鱼群优化指数熵的砂粒显微图像分割

砂粒显微图像分割可以辅助地质评估,但因其种类繁多,特征复杂,为分割的准确度带来了挑战。针对该类图像提出一种增强型金枪鱼群优化指数熵的分割方法(ETSO-EXP),可以有效保留各类砂粒的纹理特征。首先,针对金枪鱼群优化算法(TSO)在全局搜索与局部开发上的若干不足,提出了混沌扰动策略、动态权重策略和余弦干扰策略对其增强,基准函数实验表明ETSO大幅提高了收敛精度,小幅提高了收敛速度。其次,将ETSO用于确定EXP的分割阈值,以分割图像的信息量为标准验证了该方案的可行性。最后,在雅鲁藏布江砂粒显微图像数据集上进行分割实验,与TSO-EXP相比,ETSO-EXP分割的图像在峰值信噪比、结构相似性、特征相似度和寻优速度的评估上分别达到了18.78%,6.85%,4.16%和3.83%的提升,在同类分割方法中性能最优。结果表明,分割方法ETSO-EXP对于对比度较高、纹理丰富或砂粒碎屑尺寸差异较大的图像都具有较高的分割精度和计算速度。

基于PC-BRISK的岩石显微图像拼接

传统的配准算法在高分辨率岩石显微图像上配准准确率低、配准速度慢。此外,在显微岩石薄片全景拼接过程中,由于单视域画面可能存在有效内容缺失而无法提取到有效特征点,或者纹理单一提取到的特征点较少的情况,造成全景图像拼接失败。针对上述问题提出了一种基于改进相位相关法的BRISK图像拼接算法。通过提取待配准图像之间的相似区域,对相似区域进行BRISK图像配准,采用由载物台运动规律得出的最佳匹配模型来配准无特征点图像,最终完成岩石薄片图像的全景拼接。实验结果表明,本文提出的算法相较于传统算法,在配准方面达到87.5%的准确率,每组配准耗时2.662 s,具有配准速度快、配准准确率高的优势。此外,本文提供了一种岩石薄片全景拼接的方法,具有实时拼接的实际应用价值。

基于分类配准与全景像素坐标系的显微图像快速拼接算法

目的提出一种基于分类配准与全景像素坐标系的显微图像实时拼接算法,以解决现有图像拼接算法精度低、计算复杂度高等问题。方法依据单视野图像的质量特征,利用评价函数对图像进行分类配准,适应不同的配准模型;构建全景像素坐标系,依据配准结果在此坐标系下进行整体拼接与缝隙融合;基于自主搭建的尿液样本显微扫描系统进行实验,以验证算法的有效性。结果实验结果表明,相比现有的图像拼接方法,本文基于分类配准与全景像素坐标系的显微图像快速拼接算法更有利于拼接缝隙的融合,且更稳定,拼接效果显著优于加速鲁棒特征和快速傅里叶变换单独拼接;在拼接时间方面,基于分类配准与全景像素坐标系的显微图像实时拼接算法的拼接时间大大缩短,拼接速度提升了1倍,且对于矩形扫描区域拼接的大视野图像,无明显拼接缝隙痕迹,可完成高质量的实时拼接。结论基于分类配准与全景像素坐标系的显微图像快速拼接算法能够满足快速高分辨率的大视野图像拼接需求,为显微图像拼接提供了一种更优的方法,便于相关人员进一步分析和应用。

面向荧光显微图像的斑点检测

实体肿瘤学中,利用荧光原位杂交(FISH)技术处理后的间期细胞核荧光显微图像上,DNA扩增往往呈现为衍射极限斑点,成像条件限制了图像质量,导致图像信噪比较低、背景干扰严重且存在非斑点结构干扰.设计适用的斑点检测方法,提供客观且定量的数据,有助于医生对于癌症病情的诊断.算法首先采用3层小波多尺度求和对荧光图像去噪,随后利用多尺度高斯拉普拉斯算子增强斑点区域,最后通过4个方向的单边二阶高斯核抑制非斑点区域,完成斑点检测.实验结果表明,对于自建数据库中83张图像,算法平均F分数达到0.96,平均运行时间0.5 s以下.

基于灰狼优化算法的PCNN中药材显微图像分割

为有效分割中药材显微图像的目标信息,提出了一种基于灰狼优化算法(Gray wolf optimization,GWO)的改进型脉冲耦合神经网络(Pulse coupled neural networks,PCNN)中药材显微图像自动分割方法。首先,从适应处理显微图像的角度出发对传统PCNN模型进行简化与改进;其次,在训练图像中提取香农熵值作为GWO的适应度函数来自适应调节PCNN关键参数——链接系数β,进而实现图像目标的最优分割;最后,将所提算法与聚类分割法、OTSU法、传统PCNN法进行了实验比较,并用骰子系数、体积重叠误差、相对体积、精确度和交并比等常用医学图像分割评判标准对4种处理方法做了客观评价。实验结果表明,所提方法能够实现图像的自适应分割,较好地保持了图像细节、纹理及边缘等信息,对不同显微图像分割准确度高,改善了图像的分割性能,具有较强的适用性。

基于神经网络的复合材料光学显微图像孔隙的识别与统计研究

针对复合材料孔隙含量的光学显微图像法统计过程中出现的统计试样多、统计周期长、人工统计结果存在差异等问题,将计算机图像处理技术与神经网络算法相结合,基于复合材料孔隙人工统计方法形成计算机识别与统计算法,利用大量光学显微图像数据样本的标注与学习结果,开发了基于图像处理技术和深度学习网络技术的复合材料孔隙含量识别与统计系统。同时,为使该系统的适用性更强,开发了有监督的数据更新模块。在复合材料孔隙统计中的试验结果表明,与传统人工统计方法相比,深度学习网络算法能够更好地识别孔隙特征,孔隙统计结果的相对误差小于±10%;并在较大规模数据试验中取得了更好的效果,极大地减少了传统人工统计过程中的诸多弊端,优势更强。

基于Mask R-CNN的柑橘主叶脉显微图像实例分割模型

针对目前植物解剖表型的测量与分析过程自动化低,难以应对复杂解剖表型的提取和识别的问题,以柑橘主叶脉为研究对象,提出了一种基于掩膜区域卷积神经网络(Mask region convolutional neural network,Mask R-CNN)的主叶脉显微图像实例分割模型,以残差网络ResNet50和特征金字塔(Feature pyramid network,FPN)为主干特征提取网络,在掩膜(Mask)分支上添加一个新的感兴趣区域对齐层(Region of interest Align,RoI-Align),提升Mask分支的分割精度。结果表明,该网络架构能够精准地对柑橘主叶脉横切面中的髓部、木质部、韧皮部和皮层细胞进行识别分割。Mask R-CNN模型对髓部、木质部、韧皮部和皮层细胞的分割平均精确率(交并比(IoU)为0.50)分别为98.9%、89.8%、95.7%和97.2%,对4个组织区域的分割平均精确率均值(IoU为0.50)为95.4%。与未在Mask分支添加RoI-Align的Mask R-CNN相比,精度提升1.6个百分点。研究结果表明,Mask R-CNN模型对柑橘主叶脉各类组织区域具有良好的识别分割效果,可为柑橘微观表型研究提供技术支持与研究基础。

融合类别注意力的铝硅合金显微图像分割方法

为了提取铝硅合金显微图像的初晶硅区域,提出一种结合类别注意力块(Class attention block,CAB)的改进模型类别注意力网络(Class attention network,CA-Net)。类别注意力块从特征图中计算各通道与每个类别的相关性信息,并将不同类别的相关性信息融合产生注意力权重,以使特征通道的权重与其对任务类别的贡献相关,从而增强重要特征的表达,并抑制无关特征的干扰。在铝硅合金显微图像数据集上进行实验,本文提出的方法在Dice系数、Jaccard相似度、敏感度、特异度和分割准确率上的结果分别为94.82%、90.16%、94.54%、98.80%和97.97%。相比CCNet、SPNet和TA-Net等方法,CA-Net能够有效改进铝硅合金显微图像中初晶硅区域的分割效果。

基于显微图像法和数值仿真的宽分布颗粒粒度测量的不确定度分析

随着宽粒度分布标准物质概念的提出,其定值方法也需加以明确。针对宽粒度分布标准物质电子显微图像的处理和不确定度等问题,首先采用了基于霍夫变换圆检测的球形颗粒图像边界识别方法,以实现对粘连颗粒图像的正确分割;其次通过数值仿真的方法确定了由取样数量引入的Dv50测量值的不确定度,并与相关标准进行对比分析,验证了该方法的可行性;最后提出了由单个颗粒粒径不确定度获取颗粒系平均粒径不确定度的方法,并对粒度分布范围在1~18μm的玻璃微珠颗粒进行了不确定度评估,得到其相对扩展不确定度为1.613%(k=2)。

一种融合CNN和Swin Transformer的医学显微图像分割模型

医学显微图像分割在临床诊断和病理分析中具有重要应用价值。然而,由于显微图像具有形状、纹理、大小等复杂的视觉特征,因此要精确分割显微图像是一项困难的任务。文中提出了一种新的分割模型UMSTC,该模型基于U型结构,并通过将U-net模型和Swin Transformer模型进行融合来兼顾图像的细节特征和宏观特征,并保持建模完整性。具体来说,UMSTC模型的下采样部分采用Swin Transformer网络来优化其内含的注意力机制,以提取微观和宏观特征;上采样部分基于CNN网络反卷积操作,并通过残差机制接收和融合下采样阶段的特征图,以减小图像合成精度损失。实验结果表明,所提出的UMSTC分割模型比目前主流的医学图像语义分割模型具有更好的分割效果,其中mPA提高了约3%~5%,mIoU提高了约3%~8%,且分割结果具有更高的主观视觉质量和更少的噪点。因此,UMSTC模型在医学显微图像分割领域具有广泛的应用前景。

川中地区中三叠统雷口坡组碳酸盐岩显微图像数据集

雷口坡组碳酸盐岩在川中地区广泛发育,展示出了良好的勘探前景和较大的勘探潜力。川中地区碳酸盐岩储集层十分发育,各类孔隙发育、保存良好,表生溶蚀、埋藏溶蚀和白云石化作用等改善了储集物性,提高了储层的渗透率。孔隙类型包括粒内溶孔、粒间溶孔、铸模孔等,可见连通型溶蚀缝。顶部在岩溶作用下,形成良好的古风化壳储层。通过采集川中北部地区LG19井、LG173井、ZT1井、TN112井、Y105井和PL19井等钻遇的雷口坡组地层为研究对象,制作了岩石显微薄片数据集。川中地区雷口坡组以藻纹层白云岩、砂屑白云岩和角砾状白云岩为主。沉积相为碳酸盐岩蒸发-局限台地相沉积,亚相可分为潮坪、台内滩亚相,潮坪有云坪、膏云坪等微相,而台内滩又可细分为生屑滩、砂屑滩等。本图片数据集,可用于划分该地区雷口坡组沉积微相,研究微相对储层形成及分布的控制,判断出有利储集微相,为油气勘探开发提供有效指导。本数据集能进一步用于机器学习图像数据集制作,提供基础数据支撑。

基于深度神经网络的煤岩显微图像划痕检测与修复

煤岩显微组分的定量分析对客观评价煤的性质、质量进而实现煤炭的高效利用至关重要。然而,由于操作的不规范或刀具的破损,易造成煤光片中划痕的出现,影响进一步的自动化分析,而重新制作煤光片会造成人力和资源的浪费。鉴于此,为修复煤岩显微图像中的划痕区域,提出了基于深度学习的显微图像划痕检测与修复策略。首先,针对划痕检测设计了一种融合空间注意力与通道注意力的双注意力模型,充分挖掘煤岩显微图像的语义信息,并将其与U-Net语义分割网络融合,提高了划痕检测的准确性。然后,针对基于补丁匹配的图像修复算法会使煤岩划痕祛除区域与周围区域存在纹理差异的问题,设计了一种结合上下文注意力和生成对抗学习的煤岩显微图像修复网络。该网络自适应地为煤岩划痕区域填充合理内容,改善了图像修复质量。试验结果显示,划痕检测的平均像素准确度和平均交并比分别达到90.93%和83.95%,修复后的图像的峰值信噪比和结构性相似度分别达到43.29 dB和99.32%,相较于传统基于补丁匹配的算法,分别提高了8.76 dB和1.65%,验证了所提划痕检测与修复方法的有效性。

基于显微图像定量分析的污泥体积指数预报

污泥体积指数(SVI)是评价活性污泥沉降性能的一个重要参数。传统SVI测量依赖实验室化验分析,繁琐、耗时,难以实现污泥质量的实时监视和闭环控制。本研究旨在利用活性污泥显微图像的定量分析开发可靠且稳定的SVI预报方法。该方法通过相位一致性原理抑制相差效应,使用相位拉伸变换和阈值分割方法分割丝状菌和絮体目标,并表征和提取与SVI相关的形态学特征。最后,通过皮尔逊相关系数法选择特征参数子集,构建动态随机配置网络SVI预报模型。以某污水处理厂A2O工艺为背景,进行了实验验证。实验结果表明所提方法的可行性和有效性。

基于深度学习的显微图像计算机辅助诊断

根据世界卫生组织发布的报告,全球疟疾、结核病的发病率仍高居不下。手动显微镜检查厚薄载玻片和痰涂片是疟疾和结核病诊断的重要手段,这种方法的缺点之一是高度依赖医学检验师,容易出现主观误判。在低收入和发展中国家的偏远地区高技能实验室人员缺乏,加上显微图像中疟原虫和结核杆菌存在形状多变、体积较小和某些细胞体不确定等因素,导致疟原虫和结核杆菌检测困难。本文提出一种基于Faster R-CNN的改进算法,用于从显微图像中自动筛选疟原虫和结核杆菌。首先在原始Faster R-CNN框架上加入卷积滤波器层,采用深度残差网络提取特征,来提升模型的检测性能,然后评估改进后的模型在2种不同显微任务上的性能:在厚血涂片疟疾显微图像数据集上AP值达到94.55%,在痰涂片结核病显微图像数据集上AP值为97.96%,比原始Faster R-CNN模型提升了7.40个百分点和8.04个百分点。结果表明,修改后Faster R-CNN模型可以从智能手机的显微镜目镜上捕获的图像中检测疟疾寄生虫和结核杆菌位点,减少手动显微镜检查的依赖,辅助研究人员诊断,表明该模型适合部署在资源匮乏的地区。

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。

多尺度特征融合ESRGAN的岩石显微图像超分辨研究

岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值。针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于ESRGAN和多尺度特征融合,对网络结构进行优化,在ESRGAN的RRDB块中加入多尺度特征融合方法,提出一种岩石显微图像超分辨率重建算法。采用DRSRD1_2D岩石显微图像数据集进行4倍超分辨重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)及感知系数(PI)对重建结果进行评价,并将所提算法与SRGAN、SFT-GAN、ESRGAN方法进行对比。结果表明:在碳酸岩数据集上,该算法的三项指标在几种算法中均为最优;在砂岩数据集上,该算法的PSNR和PI指标最优,SSIM则为次优。此外,该算法在视觉效果上也有着良好表现,能更好地表达图像的细节特征。

基于SIFT特征匹配的活性污泥显微图像拼接方法

针对相差显微图像视野有限,单张图像难以全面展示样品信息的问题,提出一种基于SIFT特征匹配的活性污泥图像自动拼接方法.该方法通过SIFT特征提取算法提取污泥显微图像的特征,运用最近邻算法进行匹配.使用投影变换模型进行空间几何变换,将待拼接的活性污泥显微图像叠加在一起.采用渐入渐出融合算法对叠加后的图像进行融合,解决图像拼接过程中拼接缝明显的问题.某污水处理厂活性污泥相差显微图像拼接实验结果表明该方法在拼接质量和信息完整性方面表现良好.

SBS改性沥青荧光显微图像量化分析

为了更好地对SBS改性沥青荧光显微图像进行量化分析,采用2种SBS改性剂对70#道路石油沥青进行改性处理,并对6种掺量、4个剪切时间条件下制备的SBS改性沥青进行了荧光形态图像采集和宏观性能测试。首先确定了合理的观测样本制备过程、图像分析参数,以及合适的荧光显微图像采集、处理方法;然后研究了SBS改性剂的类型、掺量及试样制备的剪切时间对改性沥青荧光形态及其显微图像参数的影响,并通过回归分析建立了显微图像参数和宏观性能的关系模型。结果表明:观测样本制备过程、荧光显微图像采集与处理方法对SBS改性沥青荧光显微形态具有较大影响;星型SBS改性剂在沥青中呈现出更加完整、复杂的网络结构;增大SBS掺量、延长剪切时间,可显著改善SBS改性剂的分散性和网络结构;回归分析结果表明,特定的显微形态参数可以较好地对软化点、黏度和复数模量等宏观性能进行预测,可为从微观角度量化评价SBS改性沥青提供参考。

医学显微图像处理系统

医学显微图像处理系统目前在医院中应用渐多,它由显微镜、图像数字化设备、计算机、打印机组成,是利用计算机进行医学显微图像处理的工具,具有采集、数字化医学显微图像、图像处理、存储、测量、统计、辅助诊断和生成图文报告的功能。建立个性化的图像处理系统和网络化图像管理是医学显微图像处理系统的发展趋势。