【技術實現步驟摘要】
本專利技術涉及一種圖像增強方法，尤其是一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法、裝置及存儲介質。
技術介紹
1、數字病理是腫瘤檢測領域中以全玻片掃描成像和病理圖像分析算法相結合的一種新興的病理學診斷方法，被業內奉為病理學診斷的金標準。然而，掃描成像中大量的冗余信息會對病理診斷過程造成干擾，這就需要利用病理圖像分析算法通過特征檢測、分割和提取等任務挖掘有效的深層次病理特征數據。病理特性表征提供了對病變組織的定性和定量描述，特征的準確性和豐富度對于上述病理圖像分析至關重要，有助于揭示疾病的本質和進展。然而，病理特性表征很大程度上會受到切片厚度不均、樣本抖動以及背景噪聲等復雜環境干擾的影響，其中切片厚度不均造成的色彩偏差和清晰度下降是影響數字病理成像系統性能的最直接因素。光線在通過病理切片時，其透射和散射特性決定了成像的清晰度和對比度。當切片厚度不均時，光線在同一切片不同區域的吸收和反射程度會有所差異，這會導致局部成像區域的亮暗變化不均勻，繼而降低數字病理成像的對比度，增加了病變細胞的漏檢風險，因此研究適合于顯微成像特點的增強方法非常必要。
2、針對成像過程中的亮度不一致性問題，常見的圖像增強方法包括直方圖均衡化(he)、retinex技術和gamma校正。he提供了一種簡便且迅速的方法，其能夠擴展圖像的動態范圍，從而提升整體的全局對比度。然而，該方法可能導致圖像信息的損失以及輪廓的扭曲。retinex模型是一種模擬人類視網膜對顏色和顏色恒常性的感知機制。研究人員基于這一模型開發了多種算法，包括單尺度retine
技術實現思路
1、為解決上述由于亮度不一致性的影響導致過度增強而無法實現最優的增強效果的問題，本專利技術提供一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，能夠簡單高效的實現病理圖像增強，具體技術方案為：
2、一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，包括以下步驟：
3、s1、輸入單層模糊病理成像i；
4、s2、將單層模糊病理成像i通過gamma校正算法得到偽曝光圖像序列e＝{i1(x),i2(x),…,ik(x)}；
5、式中，e代表模糊病理成像ik(x),k∈[1,k]經對比度調整得到的偽曝光圖像序列；
6、x代表偽曝光圖像的像素；
7、k表示gamma校正算法中隨機取值的個數；s3、對偽曝光圖像序列中第e'k,k∈{1,…,k}個偽曝光圖像的每一像素均通過空間線性飽和度調整算法分別計算其在r、g、b三通道中的飽和度s，并在[0,100]范圍內對飽和度增量進行歸一化處理得到飽和度調整后的偽曝光圖像對每一偽曝光圖像e'k,k∈{1,…,k}均通過均值濾波z進行二尺度分解得到基層序列e'b＝(b1,b2,…,bk)和細節層序列e'd＝(d1,d2,…,dk)；
8、式中，ek代表序列e經對比度調整后的任一偽曝光圖像；
9、ek(x)代表任一偽曝光圖像ek對應像素x的集合；
10、代表任一偽曝光圖像ek的r通道；
11、代表任一偽曝光圖像ek的g通道；
12、代表任一偽曝光圖像ek的b通道；
13、e'k代表序列e經飽和度調整后的任一偽曝光圖像；
14、代表任一偽曝光圖像e'k的r通道；
15、代表任一偽曝光圖像e'k的g通道；
16、代表任一偽曝光圖像e'k的b通道；
17、e'k,k∈{1,…,k}代表序列e經飽和度調整后的任一偽曝光圖像；
18、bk表示基層；
19、dk表示細節層；
20、s4、基層序列e'b＝(b1,b2,…,bk)通過能量顯著性向導濾波算法得到基層融合結果fb，細節層序列e'd＝(d1,d2,…,dk)通過高斯顯著性向導濾波算法得到細節層融合結果fd；
21、s5、對基層融合結果fb以及細節層融合結果fd進行二尺度重構得到單層去模糊病理成像if。
22、優選的，所述步驟s2中的gamma校正算法包括以下步驟：
23、通過冪函數變換調整全局圖像的對比度即i(x)→α·i(x)γ；其中，i(x)表示單層模糊病理成像的任一像素；→表示冪函數變換過程；α和γ表示正常數，并當γ＜1時，較亮的強度被壓縮而較暗的強度被擴展，當γ＞1時，較亮的強度在更寬的范圍內分配而較暗的強度則映射到壓縮間隔，從而得到的偽曝光圖像序列。
24、3.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
25、所述步驟s3中的空間線性飽和度調整算法包括以下步驟：
26、s301、偽曝光圖像的每一像素的最大rgb分量為rgbmax＝max(max(r,g),b)，最小rgb分量為rgbmin＝min(min(r,g),b)；
27、當δ＝(rgbmax-rgbmin)/255＞0時，每一像素的飽和度s的計算公式為：
28、
29、其中，value＝(rgbmax+rgbmin)/255，l＝value/2；
30、s302、在[0,100]范圍內，對飽和度增量進行歸一化處理的計算公式為：
31、e'k(x)＝ek(x)+(ek(x)-l×255)×α，
32、其中，
33、percent表示正常數，表示飽和度調整后的偽曝光圖像。
34、優選的，所述步驟s3中的對每一偽曝光圖像e'k,k∈{1,…,k}均通過濾波器大小為n×n的均值濾波z進行二尺度分解得到基層bk和細節層dk，公式如下：
35、
36、其中，n代表濾波器z的大小，(x,y)表示像素e'k(x)的坐標，i和j分別表示濾波器z相對于中心像素e'k(x)的偏移量，得到基層bk后，最終得到相應的細節層公式為：
37、dk＝e'k-bk。
38、優選的，所述步驟s4中的基層序列e'b＝(b1,b2,…,bk)通過能量顯著性向導濾波算法得到基層融合結果fb，包括以下步驟：
39、s401、將基層bk與gabor小波卷積得到gabor系數的公式為：
40、
41、其中，表示gabor系數；
42、m1表示尺度參數，本文檔來自技高網...
【技術保護點】
1.一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
3.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
4.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
5.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
6.根據權利要求5所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
7.根據權利要求5所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
8.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
9.一種基于多顯著性向導濾波融合的熒光顯微圖像增強裝置，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有數據處理程序，所述數據處
...【技術特征摘要】
1.一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
3.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
4.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
5.根據權利要求1所述的一種基于多顯著性向導濾波融合的熒光顯微圖像增強方法，其特征在于，
6.根據權利要求5所述的一種基于多顯著性向導濾波融...
【專利技術屬性】
技術研發人員：胡秋，劉炳憲，謝菊元，王焱輝，王克惠，
申請(專利權)人：寧波江豐生物信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。