[发明专利]多孔硅生物传感器表面量子点荧光图像的去噪方法及装置

权利要求书

1.一种多孔硅生物传感器表面量子点荧光图像的去噪方法，其特征在于，所述方法包括：

对量子点荧光图中的噪声类型进行分析，确定噪声类型为伽马乘性噪声；

对获取的量子点荧光图做非局部均值平滑处理，滤波后的图像作为灰度压缩的参考标准图；

获取含噪荧光图的多个均质区域，对每个均质区域的变异系数取均值获取估计变异系数，确定灰度压缩迭代次数；

对含噪荧光图做灰度压缩预处理，以平滑后图像与原始荧光图像的比值作为压缩系数，根据迭代次数进行压缩；

采用非局部的各向异性扩散方法，计算每个像素点的非局部余弦距离获得扩散系数的阈值，求解微分方程去除噪点并恢复原始灰度值；

所述对获取的量子点荧光图做灰度值压缩预处理，用非局部均值滤波方法做平滑处理为：

其中，为非局部均值平滑处理后的图像，I_x,y为坐标(x,y)处的像素值，k为迭代次数，I(x,y；k-1)为第k-1次灰度压缩后的图像；

所述估计变异系数为：

其中，和μ_i为含噪图像第i个均质区域的方差和均值，P为非重叠均质区域的个数；

所述扩散系数的阈值为：

其中，N*N为整幅图像尺寸，q_x,y表示瞬时变差函数，x与y表示当前像素点位置。

2.根据权利要求1所述的一种多孔硅生物传感器表面量子点荧光图像的去噪方法，其特征在于，所述对量子点荧光图中的噪声类型进行分析，确定噪声类型为伽马乘性噪声具体为：

采用残差卷积神经网络，在不同灰度图上添加若干种类型不同且强度不同的噪声作为训练数据集；

将多幅荧光图像均质区域的直方图信息作为残差卷积神经网络的输入特征，判别量子点荧光图像的噪声类型为伽马乘性噪声。

3.根据权利要求1所述的一种多孔硅生物传感器表面量子点荧光图像的去噪方法，其特征在于，所述采用非局部的各向异性扩散方法，计算每个像素点的非局部余弦距离获得扩散系数的阈值为：

以每个像素点为中心确定搜索窗，计算搜索窗中每一个像素邻域与中心像素邻域的余弦距离，作为微分方程的边缘检测算子，确定各向异性扩散的扩散阈值和每个像素点的扩散系数。

4.根据权利要求1所述的一种多孔硅生物传感器表面量子点荧光图像的去噪方法，其特征在于，所述方法还包括：

采用阈值法将量子点荧光图中的多孔硅单元与背景粗分离，生成单元掩膜；采用形态学吞噬方法将二值掩膜中的孔洞填充，得到精细掩膜，将分离后的多孔硅单元作为去噪和灰度计算的主要区域。

5.一种多孔硅生物传感器表面量子点荧光图像的去噪装置，其特征在于，所述装置用于执行权利要求1所述的一种多孔硅生物传感器表面量子点荧光图像的去噪方法，所述装置包括：

分析模块，用于对量子点荧光图中的噪声类型进行分析，确定噪声类型为伽马乘性噪声；

平滑处理模块，用于对获取的量子点荧光图做非局部均值平滑处理，滤波后的图像作为灰度压缩的参考标准图；

获取模块，用于获取含噪荧光图的多个均质区域，对每个均质区域的变异系数取均值获取估计变异系数，确定灰度压缩迭代次数；

压缩模块，用于对含噪荧光图做灰度压缩预处理，以平滑后图像与原始荧光图像的比值作为压缩系数，根据迭代次数进行压缩；

恢复模块，用于采用非局部的各向异性扩散方法，计算每个像素点的非局部余弦距离获得扩散系数的阈值，求解微分方程去除噪点并恢复原始灰度值。

6.一种多孔硅生物传感器表面量子点荧光图像的去噪装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利要求1-4中的任一项所述的方法步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行权利要求1-4中的任一项所述的方法步骤。