[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

说明书

本发明公开了一种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，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。装置包括：分析模块、平滑处理模块、获取模块、压缩模块及恢复模块。

技术领域

本发明涉及图像去噪领域，尤其涉及一种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。

背景技术

纳米多孔硅是一种新型的纳米材料，由于具有比表面积大、生物兼容性好以及折射率可调节等特性，可制备成多种结构的高灵敏度光学传感器件，已经广泛的应用于生物检测。PSi光学传感器的检测机理主要有两类。第一类是对生物反应引起的折射率变化进行检测的。第二类是对生物反应引起的荧光变化进行检测。第一类检测通常采用反射光谱仪测量生物反应引起的反射谱的移动。第二类检测采用荧光光谱仪测量生物反应引起的荧光强度的变化。这两类检测方法都需要光谱仪器，检测时间长，成本高，不能用于传感器阵列的检测。

为了降低检测成本，提高检测速度，实现多孔硅阵列的检测，近年来，一些基于图像法的生物检测方法被提出，通过计算荧光图像的平均灰度值来检测目标DNA浓度，实现了快速、低成本的生物浓度检测。准确的测量出多孔硅器件表面上的量子点荧光图像的平均灰度值是图像法检测技术的关键，通过测得荧光图的平均灰度值，根据拟合曲线从而获取生物浓度，所以平均灰度作为检测的基础数值对于检测精度来说具有至关重要的意义。

目前关于纳米多孔硅表面上的量子点荧光图像中的噪声研究还没有见报道。通过实验发现这种噪声为乘性伽马噪声，大量研究表明荧光图像中的伽马噪声减小了平均灰度值，而且随着噪声强度的增大，灰度值的下降程度越大，这大大降低了生物检测的灵敏度，因此消除荧光图像中的伽马噪声显得非常重要。

发明内容

针对量子点/多孔硅生物检测中伽马噪声带来的检测精度下降问题，本发明提供了一种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，本发明处理后的量子点荧光图像去除了噪点，最大程度的恢复了图像原始灰度值，大大提高了基于量子点荧光图像法生物检测的灵敏度，详见下文描述：

第一方面，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。

在一种实施方式中，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。

在一种方式中，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：