基于特征点的凝胶图像配准方法研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
程中， 基 于特征的配准方法 由于对不同特 性的图像特 征容 易提
（ １ ） 输入 原 图像 和 待配准 图像 ， 同时定 义一个 统 一的坐标
确定两幅图像 的空间坐标变换公式； 取， 并能够在一定程度 上利用代 表图像相似的特征作为配准依 系， （ ２ ） 分 别对两幅 图像 进行低通滤波， 确定初始搜索点和初始 据， 大 大压缩 了所需处理 的信息量 ， 使得 配准方 法 的计算量减 小、 速度较快 ， 因此得到了广泛应用。 本文 对基于互信息配准算法和 基于ｈ ａ ｒ ｒ ｉ ｓ 算 子配准算法 的搜索方向； （ ３ ） 通过 对待配准 的图像进行空 间变 换来计 算待配准 图像
角点特征 提取 的算 ； Ｈ ａ ｒ ｒ ｉ ｓ 角点检 测是最经典 的角点检 测， 具 有旋转和仿射不变性 。 其处理过程表示如下 ：
（ ２ ）
Ｉ （ Ａ ， ） ＝ ∑Ｐ Ｂ （ 口 ， ｂ ） ｌ ｏ ｇ ［ ｐ 口 （ 口 ， ｂ ） ／ （ ｐ （ 口 ） （ ６ ） ） ］ ｆ １
性较 强。 但是 由于互信息的计 算量较大 ， 所以配准 过程 耗时较
示两个数据集 之间 的统计关 系 。 两幅灰度 图像 Ａ 、 Ｂ 的互信 息 长 。
２ ． ２基于Ｈ ａ ｒ ｒ ｉ ｓ 算子的图像配准方法
Ｈ ａ ｒ ｒ ｉ ｓ 算子是Ｈ ａ ｒ ｒ ｉ ｓ 和ｓ ｔ ｅ ｐ ｈ ｅ ｎ ｓ 提 出的一种基于信号 的
ｆ ＝ａ ｒ ｇ ｍ ａ ｘ Ｉ （ Ａ ， 厂 （ ） ）
ｆ 表示 图像的空间变换 。
（ ６ ）
互信息反应了两幅 配准 图像的相关性 ， 基于互信息的图像
使得两幅图像 经过这个空间 算法的复杂度也较高 。 两者组合型配准 方法是综合利用灰度 配准就是寻找一个空间变换关系 ， 它们的互信息达到最大， 基本过程如下： 和特 征点信息 ， 实现 蛋 白质点的配准 。 在实 际的图像 配准 过 变换后，
那么经过变换之后， 互信息可以表 示为：
（ ， Ｂ ） ＝Ｈ（ Ａ ） ＋ （ ） 一 Ｈ（ Ａ ， Ｂ ）
＝
Ｈ（ Ａ ） 一 Ｈ（ ＡＩ Ｂ ） Ｈ（ Ｂ ） 一 Ｈ（ ＢＩ ）
（ 两幅 图像配准 时， 日 ， Ｂ Ｊ 最小， 两幅 图
配准算法） 配准算法进行了 改进， 一方面， 在提取特征点时对Ｈ ｅ ｓ ｓ ｉ ａ ｎ ￣阵行列式进行加权， 从而获得更多特征点； 另一方面， 在特征点匹配 时应用欧式距 离加权处理作为相似度量来计算两特征向量的距 离， 提高了算法的性能和配准速度。
关键词 ： 双 向 电泳 凝 胶 图像 ； Ｓ Ｕ Ｒ Ｆ ； Ｈ ｅ ｓ ｓ ｉ ａ ｎ ￣ 阵； 互信 息； 图像 配准
基 于互信息 的图像配准 可以表示 度信息 ， 对参考 图像和 待匹配图像 上的感 兴趣 区域进行灰度相 像的互信 息达到最 大。因此 ，
似性度量 ， 从而实现 凝胶 图像 间蛋 白点配准 ， 此类 方法具有直 如下 ：
观性好， 精度 高等优 点， 但计算量 大 。 基于 图像特征的匹配 方 法是利用参考 图像和带配准图像 中蛋白质点间的几何特 性进行 配准， 它的配准效率比前者高， 但 对图像 畸变和噪声比较敏感，
准后的图像。
２ 两种配准算法的比较
２ ． １基讴 信息的图像配准
互信息 （ Ｍ ｕ ｔ ｕ ａ ｌ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ， Ｍ Ｉ ） 起源于信息论， 用来表
可表示为 ：
该方法 不需要进 行特 征提取 ， 避 免了由于这 些 预处 理所 造成 的精度损 失， 在配准 过程 中容易实现 自动 化， 配准 的鲁棒
进 行了比较研究 ， 针对两者的不足之 处对基于Ｓ Ｕ Ｒ Ｆ 算法 进行了 与原 图像 之间的互信息； （ ４ ） 用Ｐ ｏ ｗ ｅ ｌ ｌ 算法对参数进行优化 ， 找出两幅 图像 的最大互 改进 。 改进 算法首先对Ｈ ｅ ｓ ｓ ｉ ａ ｎ 矩 阵进行加 权处 理， 从而获得 重 复步骤 （ ３ ） 和（ ４ ） ， 直到找到最优 配准 参数为止 ； 了更多的特 征点， 在之后的特 征点匹配中利用欧式距离加权 处 信息值， （ ５ ） 输 出最终 的配准 结果， 最 后通过 灰度 差值 方法得 到配 理作为相似度 量来计算两特征 向量的距 离， 有 效缩短了配准 时 间， 提高 了配准效率 。
实验 研究 ・
基于特征点的凝胶图像配准方法研究
杨秋菊 李 玲 侯 伟 辛化梅（ 山 东 师范大学 物理与电 子 科学 学院， 山 东 济南 ２ ５ ０ ０ １ ４ ）
摘 要： 本文针对几种凝胶图像 配准算法进行了比较研究， 在此基础上， 对基于ｓ ｕ Ｒ Ｆ （ ｓ ｐ ｅ ｅ ｄ ｅ ｄ ｕ ｐ ｒ ｏ ｂ ｕ ｓ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ 快速鲁棒特征提取的
１ 引言
继基 因组学之后， 蛋 白质组学成为了生物 医学 研究 的一 个 重要 的研究课题。 从不同的实验环境或者 通过不同的技术得 到 的蛋 白质凝 胶图像之间存在差异 “ ， 生物学领 域所最感 兴趣 的 是一系 列不同胶 上相应位 置蛋 白质 点的差异 ， 因此 需要对凝 胶 图像进行配准来获得。 凝胶 图像配准 的方 法有很多种， 而现有 的配准方法 主要可 以分为三类 ： 基于 图像灰 度 的配准 、 基于 图像特 征的配准和 两者组合型的配准 。 基于图像灰度 的配准方法 是利用蛋 白点灰
以及随机变量Ａ 、 Ｂ 的联合熵定义为：
Ｈ （ Ａ ， ） ＝ 一 ∑Ｐ （ ａ ） ｌ ｏ ｇ ｐ （ 口 ， ６ ）
口 ． ６
（ ３ ） （ ４ ）
Ｈ （ Ａ ｌ ） ： 一 ∑ ， 口 （ ， ｂ ） ｌ ｏ ｇ ｐ ： ６ （ 口 ）
ｄ ， ｂ
（ １ ） 输入 原 图像 和 待配准 图像 ， 同时定 义一个 统 一的坐标
确定两幅图像 的空间坐标变换公式； 取， 并能够在一定程度 上利用代 表图像相似的特征作为配准依 系， （ ２ ） 分 别对两幅 图像 进行低通滤波， 确定初始搜索点和初始 据， 大 大压缩 了所需处理 的信息量 ， 使得 配准方 法 的计算量减 小、 速度较快 ， 因此得到了广泛应用。 本文 对基于互信息配准算法和 基于ｈ ａ ｒ ｒ ｉ ｓ 算 子配准算法 的搜索方向； （ ３ ） 通过 对待配准 的图像进行空 间变 换来计 算待配准 图像
角点特征 提取 的算 ； Ｈ ａ ｒ ｒ ｉ ｓ 角点检 测是最经典 的角点检 测， 具 有旋转和仿射不变性 。 其处理过程表示如下 ：
（ ２ ）
Ｉ （ Ａ ， ） ＝ ∑Ｐ Ｂ （ 口 ， ｂ ） ｌ ｏ ｇ ［ ｐ 口 （ 口 ， ｂ ） ／ （ ｐ （ 口 ） （ ６ ） ） ］ ｆ １
性较 强。 但是 由于互信息的计 算量较大 ， 所以配准 过程 耗时较
示两个数据集 之间 的统计关 系 。 两幅灰度 图像 Ａ 、 Ｂ 的互信 息 长 。
２ ． ２基于Ｈ ａ ｒ ｒ ｉ ｓ 算子的图像配准方法
Ｈ ａ ｒ ｒ ｉ ｓ 算子是Ｈ ａ ｒ ｒ ｉ ｓ 和ｓ ｔ ｅ ｐ ｈ ｅ ｎ ｓ 提 出的一种基于信号 的
ｆ ＝ａ ｒ ｇ ｍ ａ ｘ Ｉ （ Ａ ， 厂 （ ） ）
ｆ 表示 图像的空间变换 。
（ ６ ）
互信息反应了两幅 配准 图像的相关性 ， 基于互信息的图像
使得两幅图像 经过这个空间 算法的复杂度也较高 。 两者组合型配准 方法是综合利用灰度 配准就是寻找一个空间变换关系 ， 它们的互信息达到最大， 基本过程如下： 和特 征点信息 ， 实现 蛋 白质点的配准 。 在实 际的图像 配准 过 变换后，
那么经过变换之后， 互信息可以表 示为：
（ ， Ｂ ） ＝Ｈ（ Ａ ） ＋ （ ） 一 Ｈ（ Ａ ， Ｂ ）
＝
Ｈ（ Ａ ） 一 Ｈ（ ＡＩ Ｂ ） Ｈ（ Ｂ ） 一 Ｈ（ ＢＩ ）
（ 两幅 图像配准 时， 日 ， Ｂ Ｊ 最小， 两幅 图
配准算法） 配准算法进行了 改进， 一方面， 在提取特征点时对Ｈ ｅ ｓ ｓ ｉ ａ ｎ ￣阵行列式进行加权， 从而获得更多特征点； 另一方面， 在特征点匹配 时应用欧式距 离加权处理作为相似度量来计算两特征向量的距 离， 提高了算法的性能和配准速度。
关键词 ： 双 向 电泳 凝 胶 图像 ； Ｓ Ｕ Ｒ Ｆ ； Ｈ ｅ ｓ ｓ ｉ ａ ｎ ￣ 阵； 互信 息； 图像 配准
基 于互信息 的图像配准 可以表示 度信息 ， 对参考 图像和 待匹配图像 上的感 兴趣 区域进行灰度相 像的互信 息达到最 大。因此 ，
似性度量 ， 从而实现 凝胶 图像 间蛋 白点配准 ， 此类 方法具有直 如下 ：
观性好， 精度 高等优 点， 但计算量 大 。 基于 图像特征的匹配 方 法是利用参考 图像和带配准图像 中蛋白质点间的几何特 性进行 配准， 它的配准效率比前者高， 但 对图像 畸变和噪声比较敏感，
准后的图像。
２ 两种配准算法的比较
２ ． １基讴 信息的图像配准
互信息 （ Ｍ ｕ ｔ ｕ ａ ｌ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ， Ｍ Ｉ ） 起源于信息论， 用来表
可表示为 ：
该方法 不需要进 行特 征提取 ， 避 免了由于这 些 预处 理所 造成 的精度损 失， 在配准 过程 中容易实现 自动 化， 配准 的鲁棒
进 行了比较研究 ， 针对两者的不足之 处对基于Ｓ Ｕ Ｒ Ｆ 算法 进行了 与原 图像 之间的互信息； （ ４ ） 用Ｐ ｏ ｗ ｅ ｌ ｌ 算法对参数进行优化 ， 找出两幅 图像 的最大互 改进 。 改进 算法首先对Ｈ ｅ ｓ ｓ ｉ ａ ｎ 矩 阵进行加 权处 理， 从而获得 重 复步骤 （ ３ ） 和（ ４ ） ， 直到找到最优 配准 参数为止 ； 了更多的特 征点， 在之后的特 征点匹配中利用欧式距离加权 处 信息值， （ ５ ） 输 出最终 的配准 结果， 最 后通过 灰度 差值 方法得 到配 理作为相似度 量来计算两特征 向量的距 离， 有 效缩短了配准 时 间， 提高 了配准效率 。
实验 研究 ・
基于特征点的凝胶图像配准方法研究
杨秋菊 李 玲 侯 伟 辛化梅（ 山 东 师范大学 物理与电 子 科学 学院， 山 东 济南 ２ ５ ０ ０ １ ４ ）
摘 要： 本文针对几种凝胶图像 配准算法进行了比较研究， 在此基础上， 对基于ｓ ｕ Ｒ Ｆ （ ｓ ｐ ｅ ｅ ｄ ｅ ｄ ｕ ｐ ｒ ｏ ｂ ｕ ｓ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ 快速鲁棒特征提取的
１ 引言
继基 因组学之后， 蛋 白质组学成为了生物 医学 研究 的一 个 重要 的研究课题。 从不同的实验环境或者 通过不同的技术得 到 的蛋 白质凝 胶图像之间存在差异 “ ， 生物学领 域所最感 兴趣 的 是一系 列不同胶 上相应位 置蛋 白质 点的差异 ， 因此 需要对凝 胶 图像进行配准来获得。 凝胶 图像配准 的方 法有很多种， 而现有 的配准方法 主要可 以分为三类 ： 基于 图像灰 度 的配准 、 基于 图像特 征的配准和 两者组合型的配准 。 基于图像灰度 的配准方法 是利用蛋 白点灰
以及随机变量Ａ 、 Ｂ 的联合熵定义为：
Ｈ （ Ａ ， ） ＝ 一 ∑Ｐ （ ａ ） ｌ ｏ ｇ ｐ （ 口 ， ６ ）
口 ． ６
（ ３ ） （ ４ ）
Ｈ （ Ａ ｌ ） ： 一 ∑ ， 口 （ ， ｂ ） ｌ ｏ ｇ ｐ ： ６ （ 口 ）
ｄ ， ｂ