关键词：
微阵列图像
倾斜校正
样点分割
散斑去噪
灰度值计算
摘要：
在生命科学领域里,微阵列(生物芯片)是一项非常重要的高新技术。目前,在商业化的微阵列检测中是利用荧光物质进行标记,通过检测到的荧光强度进行分析。由于荧光标记物过于昂贵,以及可能导致生物分子的结构和活性发生改变。为了解决这些问题,一种新型的多孔硅微阵列被提出。本文应用数字图像处理技术,针对这种新型多孔硅微阵列图像的特点,对微阵列图像处理中的关键技术——图像预处理、倾斜校正、样点分割、散斑去噪以及灰度值计算等方面,展开了深入的研究,提出了自己的方法与见解。本文的主要研究内容如下:首先,介绍了多孔硅微阵列图像的预处理过程。图像的二值化处理是多孔硅微阵列图像处理过程中的一个重要环节,它直接影响到倾斜校正、样点分割等后续处理过程的准确性。本文针对多孔硅微阵列图像中存在的噪声特点,在总结了常用方法的基础上,提出了HSV空间向量结合的预处理方法,并通过实验验证了该方法的优越性。其次,扫描仪器在获取图像时可能造成图像的倾斜,倾斜的图像会对后续的图像处理造成影响。因此,根据多孔硅微阵列图像的几何特点,提出了两种算法简单、校正准确、快速的校正算法,实现了图像的倾斜校正。第三,样点分割是为了确定需要测量的样点区域,是多孔硅微阵列图像数据提取的关键一步。本文在总结常用分割方法的基础上,结合多孔硅微阵列图像独有的特性,提出了一种基于阵列单元的样点分割算法,该方法可以很好地将阵列单元右侧的亮斑剔除并且能够保证在有效的单元区域内分割出所需的待测样点,提高后续灰度值计算的准确率。第四,由于多孔硅表面较为粗糙,激光入射后散射光相互干涉,在CCD的感光面上会形成散斑。散斑噪声的存在对多孔硅微阵列单元的灰度值有极大的影响,导致最终计算结果不准确。因此,本文分析了散斑噪声对灰度值的影响,并提出一种减少散斑噪声对多孔硅微阵列图像的灰度值影响的方法,提高了检测结果的准确度。最后,开发出一个多孔硅微阵列的图像处理与分析系统。可以完成倾斜校正、样点分割、散斑去噪等功能,并对分割后各样点的平均灰度值进行测算,实现了一套完整的多孔硅微阵列图像检测与分析流程。
欢迎来到三峡大学图书馆！
