CN113112406B - 一种特征确定方法、装置、电子设备以及存储介质 - Google Patents
一种特征确定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113112406B CN113112406B CN202110389145.5A CN202110389145A CN113112406B CN 113112406 B CN113112406 B CN 113112406B CN 202110389145 A CN202110389145 A CN 202110389145A CN 113112406 B CN113112406 B CN 113112406B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- sample
- target
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000006870 function Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 24
- 230000003287 optical effect Effects 0.000 description 14
- 230000004075 alteration Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011324 bead Substances 0.000 description 4
- 238000000386 microscopy Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000006059 cover glass Substances 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/0052—Optical details of the image generation
- G02B21/0076—Optical details of the image generation arrangements using fluorescence or luminescence
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/008—Details of detection or image processing, including general computer control
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种特征确定方法、装置、电子设备以及存储介质,属于单分子定位成像技术领域。该方法包括:根据样本点的特征信息,构建贝塞尔曲线;根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。上述技术方案,相比于现有的高斯拟合和三次样条插值法,在获取了更多的成像信息的同时,减少了内存资源,为多维度单分子定位成像提供了一种新思路。
Description
技术领域
本发明实施例涉及单分子定位成像技术,尤其涉及一种特征确定方法、装置、电子设备以及存储介质。
背景技术
随着光学设备工艺的精进,实际应用的显微镜已经达到了理论分辨极限,由于光学的衍射影响,对于光学***的成像面上会出现像点模糊,其模糊程度与光波波长以及孔径数值有关。为了克服衍射极限,多种超分辨显微成像的方法被提出,其中有随机光学重建显微法(STORM)以及光激活定位显微(PALM),这两种成像手段利用荧光不同步闪烁的方式实现单个荧光分子成像,最终获取每个分子的三维位置。
现有的超分辨显微成像的方法中,随机光学重建显微法(STORM)以及光激活定位显微(PALM),都是利用荧光不同步闪烁的方式实现单个荧光分子成像,最终获取每个分子的三维位置。在三维成像过程中,能够轻易地的得到与光轴垂直平面x-y平面上的上的位置信息,但是关于z轴上的位置还得需要利用点扩散函数工程(PSF Engineering)。一般是通过在光路上放置柱面镜对点扩散函数进行整形,令不同z轴距离上的荧光分子,经过光学***在相机呈现不同形态的点扩散形状,获得不同高度对应的点扩散形状,作为样本图;而后在单分子显微成像中,将获取的单分子显微成像的像点,利用最大似然法与样本图进行拟合,从而获得荧光分子的三维位置信息,进而还原单分子的三维空间结构。最常见的拟合方法有高斯拟合法,将高斯函数的高和宽作为影响因素,从而推算出荧光分子的位置。为了获得更加精确以及得到更好的拟合结果,一般还会对实验前的PSF点扩散函数进行样条插值,一般采用三次样条插值法(cubic spline,Cspline)。
现有的采用高斯拟合的方式存在拟合存在模型固定,无法拟合存在高阶像差的像点,并且对于区域特定的相差来说,每一块区域都有特定的像差。另一种采用三次样条插值法,通过将图像拟合为具有最大三次方的函数,也因如此三次样条插值法存在必然的短板:第一,由于三次函数的连续性,其不能对分散数据拟合,处理分散数据还需要将测量的插值数据平移到体素网格。第二,由于三次样条拟合方法对于每个插值点上每一阶次都有系数需要运算,当需要提高拟合质量而增加插值数量时,运算系数数量也会增加,这种运算量是以指数方式增加,例如对于14*14的像素区域,需要计算196*33个样条系数,即为5292次的矩阵运算,在z轴成像数目为500的拟合运算中,处理器无疑承载着一个巨大的负担。第三,三次样条拟合目前只能对于图像的三维信息进行拟合,对于更高维的信息由于内存的限制难以实现,比如存在物镜油与盖玻片折射率不匹配的情况下,难以处理由于荧光分子因和玻片距离改变带来的像散变化。
发明内容
本发明提供一种特征确定方法、装置、电子设备以及存储介质特征确定方法、装置、电子设备以及存储介质,以获取单分子图像的多维度的特征信息。
第一方面,本发明实施例提供了一种特征确定方法,包括:
根据样本点的特征信息,构建贝塞尔曲线;
根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
第二方面,本发明实施例还提供了一种特征确定装置,包括:
曲线构建模块,用于根据样本点的特征信息,构建贝塞尔曲线;
目标样本图像确定模块,用于根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
特征信息确定模块,用于将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所提供的特征确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所提供的特征确定方法。
本发明通过根据样本点的特征信息,构建贝塞尔曲线,之后根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像,进而将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。上述技术方案,相比于现有的三次样条插值法,在获取了更多的成像信息的同时,减少了内存资源,为多维度单分子定位成像提供了一种新思路。
附图说明
图1A是本发明实施例一提供的一种特征确定方法的流程图;
图1B是本发明实施例一提供的样本图像;
图2是本发明实施例二提供的一种特征确定方法的流程图;
图3是本发明实施例三提供的一种特征确定装置的结构示意图;
图4是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A是本发明实施例一提供的一种特征确定方法的流程图,本实施例可适用于单分子图像定位的情况,该方法可以由特征确定装置来执行,该装置可由软件/硬件实现,并可集成于承载特征确定功能的电子设备中,例如服务器中。
如图1A所示,该方法具体可以包括:
S110、根据样本点的特征信息,构建贝塞尔曲线。
本实施例中,以荧光小球为模板,将荧光小球放置于显微镜上,通过调节Z轴位移台,移动其三维位置,获取不同位置的点扩散图像,作为样本图像。可选的,本实施例中,将不同位置处的荧光小球作为样本点,样本点与样本图像一一对应,且不同样本点的特征信息不同。可选的,样本图像的获取方式如下:
(1)移动高精度z轴位移台进行逐层样本采集;
(2)高功率高精度激光器集合成的激光盒(laser box)将各波长激光器集合于一条激发通道上;
(3)全反射锁焦***获取载物台的细微位移,并用FPGA形成闭环反馈调节修复误差;
(4)激发激光照射在荧光分子上,使其电子发生能级跃迁,随后辐射低能发射光;
(5)在光路放置长焦距柱面镜以对成像点进行点扩散函数工程,进行三维整形;
(6)使用科学COMS(Scientific Complementary Metal-Oxide-Semiconductor,sCMOS)成像仪进行高分辨快速度成像,获取样本图像,示例性的,图1B给出了一些荧光分子成像的样本图像。
进一步的,还可以通过矢量波模型算法获取样本图像。
所谓特征信息,是指在成像过程中分子的特征,例如可以是位置信息、由于分子的折射率和玻片的折射率不匹配引起的像差信息、由光波长不同引起的色差信息。
本实施例中,以样本图像中的样本点为固定点,基于样本点的特征信息,通过B样条基函数构造贝塞尔曲线。
S120、根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像。
其中,待定位图像是指单分子成像后的图像,也就是实际图像;样本点与样本图像一一对应。目标样本图像是待定位图像的预测图像。
本实施例中,首先,从贝塞尔曲线上的点中,确定预设数量的候选点,其中,预设数量是本领域技术人员根据实际需求设定的。之后,根据候选点确定相应的样本点,进而根据样本点和样本图像之间的关系,确定出候选点的候选图像。
在确定了候选点的候选图像之后,根据候选图像与待定位图像之间的距离,其中,距离表示候选图像与待定位图像之间的相似度;进而从候选图像中确定待定位图像的目标样本图像。具体的,可以计算候选图像与待定位图像的绝对差值或者均方根,作为候选图像与待定位图像之间的距离,若距离等于设定距离阈值,则将对应的候选图像中的图像,作为待定位图像的目标样本图像。其中,设定距离阈值是本领域技术人员根据实际情况设定的。
S130、将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
本实施例中,将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。示例性的,当特征信息为位置信息时,将目标样本图像对应的样本点的位置信息,作为待定位图像所对应的点的位置信息。示例性的,当特征信息为像差信息时,将目标样本图所对应的样本点的像差信息,作为待定位图像所对应的点的像差信息。示例性的,当特征信息为色差信息时,将将目标样本图所对应的样本点的色差信息,作为待定位图像所对应的点的色差信息。
本发明通过根据样本点的特征信息,构建贝塞尔曲线,之后根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像,进而将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。上述技术方案,相比于现有的高斯拟合和三次样条插值法,在获取了更多的成像信息的同时,减少了内存资源,为多维度单分子定位成像提供了一种新思路。
实施例二
图2是本发明实施例二提供的一种特征确定方法的流程图,在上述实施例的基础上,对“根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像”进行优化,提供一种可选实施方案。
如图2所示,该方法具体可以包括:
S210、根据样本点的特征信息,构建贝塞尔曲线。
S220、从贝塞尔曲线上的点中取一点,作为目标点。
本实施例中,从贝塞尔曲线上的点中随机取一点,作为目标点。
S230、根据样本点与样本图像之间的关系,确定目标点的预测图像。
本实施例中,根据样本点和样本图像之间的关系,构建图像预测模型,将目标点输入到预测模型中,得到目标点的预测图像。
S240、计算目标点的预测图像和待定位图像之间的距离。
其中,距离用于表征目标点的预测图像与待定位图像之间的相似度。
本实施例中,将目标点的预测图像与待定位图像进行相减并取绝对值后的结果,作为目标点的预测图像和待定位图像之间的距离。
可选的,还可以计算目标点的预测图像与待定位图像之间的每个像素点相减后求平方,再进行累加求和,将求和后的结果作为目标点的预测图像和待定位图像之间的距离。
S250、根据距离,确定待定位图像的目标样本图像。
本实施例中,若距离小于预设值,则将目标点的预测图像作为待定位图像的目标样本图像。其中,预设值是本领域技术人员根据实际情况设定的。
若距离大于预设值,则根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,构建残差函数。具体的,对于贝塞尔曲线上的点、根据样本点与样本图像之间的关系确定的图像预测模型,确定贝塞尔曲线上的点对应的预测图像,进而根据贝塞尔曲线上的各点对应的预测图像与待定位图像,构建残差函数。
需要说明的是,残差函数可以构建一次,也可以每次重新确定目标点后都进行重新构建。
残差函数确定后,基于所述目标点的特征信息,计算残差函数的导数,以确定下一预测点与目标点之间的位置关系。其中,位置关系用于表征下一预测点的选取方向,例如贝塞尔曲线是二次函数曲线,下一预测点是在目标点的右侧选择,还是在目标点的左侧选择。示例性的,可以计算残差函数的一阶偏导,可以将函数的一阶偏导数以一定方式排列成的矩阵,计算其行列式即雅可比行列式,根据雅克比行列式的结果,以确定下一预测点与目标点之间的位置关系。进一步的,为了更准确的下一预测点,示例性的,还可以计算残差函数的黑塞矩阵,以确定下一预测点与目标点之间的位置关系;其中,黑塞矩阵是一个多变量实值函数的二阶偏导数组成的方块矩阵。
在确定下一预测点与目标点之间的位置关系后,根据下一预测点与目标点之间的位置关系,从贝塞尔曲线上的点中确定下一预测点,作为目标点,并返回执行S230。
S260、将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
本发明实施例的技术方案,通过从贝塞尔曲线上的点中取一点,作为目标点,之后根据样本点与样本图像之间的关系,确定目标点的预测图像,进而计算目标点的预测图像和待定位图像之间的距离,并根据距离,确定待定位图像的目标样本图像。上述技术方案,通过引入目标点,通过目标点的预测图像确定待定位图像的目标样本图像,为后续待定位图像锁对应的点的特征信息的提取提供了保障。
实施例三
图3是本发明实施例三提供的一种特征确定装置的结构示意图,本实施例可适用于单分子图像定位的情况,该装置可由软件/硬件实现,并可集成于承载特征确定功能的电子设备中,例如服务器中。
如图3所示,该装置可以包括曲线构建模块310、目标样本图像确定模块320和特征信息确定模块330,其中,
曲线构建模块310,用于根据样本点的特征信息,构建贝塞尔曲线;
目标样本图像确定模块320,用于根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
特征信息确定模块330,用于将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
本发明通过根据样本点的特征信息,构建贝塞尔曲线,之后根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像,进而将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。上述技术方案,相比于现有的高斯拟合和三次样条插值法,在获取了更多的成像信息的同时,减少了内存资源,为多维度单分子定位成像提供了一种新思路。
进一步地,目标样本图像确定模块330包括目标点确定单元、预测图像确定单元、距离确定单元和目标样本图像确定单元,其中,
目标点确定单元,用于从贝塞尔曲线上的点中取一点,作为目标点;
预测图像确定单元,用于根据样本点与样本图像之间的关系,确定目标点的预测图像;
距离确定单元,用于计算目标点的预测图像和待定位图像之间的距离;
目标样本图像确定单元,用于根据距离,确定待定位图像的目标样本图像。
进一步地,目标样本图像确定单元包括位置关系确定子单元和目标样本图像确定子单元,其中,
位置关系确定子单元,用于若距离大于预设值,则基于目标点的特征信息,计算残差函数的导数,以确定下一预测点与目标点之间的位置关系;其中,残差函数根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像构建;
目标点确定子单元,用于根据下一预测点与目标点之间的特征关系,从贝塞尔曲线上的点中确定下一预测点,作为目标点,并返回执行计算目标点的预测图像和待定位图像之间的距离的过程,直至距离小于预设值;
目标样本图像确定子单元,用于将目标点的预测图像作为待定位图像的目标样本图像。
进一步地,导数计算子单元具体用于:
计算残差函数的雅可比行列式或黑塞矩阵。
进一步地,目标样本图像确定模块330还包括候选点确定单元和候选图像确定单元,其中,
候选点确定单元,用于从贝塞尔曲线上的点中,确定预设数量的候选点;
候选图像确定单元,用于根据样本点与样本图像之间的关系,确定候选点的候选图像;
目标样本图像确定单元,还用于根据候选图像与待定位图像之间的距离,从候选图像中确定待定位图像的目标样本图像。
进一步地,特征信息为位置信息。
上述特征确定装置可执行本发明任意实施例所提供的特征确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图,图4示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图4显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如***存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的特征确定方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行本发明实施例所提供的特征确定方法,该方法包括:
根据样本点的特征信息,构建贝塞尔曲线;
根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种特征确定方法,其特征在于,包括:
根据样本点的特征信息,构建贝塞尔曲线;
根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息;
所述根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像,包括:
从贝塞尔曲线上的点中取一点,作为目标点;
根据样本点与样本图像之间的关系,确定所述目标点的预测图像;
计算所述目标点的预测图像和所述待定位图像之间的距离;
根据所述距离,确定待定位图像的目标样本图像;
所述根据所述距离,确定待定位图像的目标样本图像,包括:
若距离大于预设值,则基于所述目标点的特征信息,计算残差函数的导数,以确定下一预测点与所述目标点之间的位置关系;其中,残差函数根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像构建;
根据下一预测点与所述目标点之间的特征关系,从贝塞尔曲线上的点中确定下一预测点,作为目标点,并返回执行计算所述目标点的预测图像和所述待定位图像之间的距离的过程,直至距离小于预设值;
将所述目标点的预测图像作为待定位图像的目标样本图像。
2.根据权利要求1所述的方法,其特征在于,计算残差函数的导数,包括:
计算残差函数的雅可比行列式或黑塞矩阵。
3.根据权利要求1所述的方法,其特征在于,根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像,包括:
从贝塞尔曲线上的点中,确定预设数量的候选点;
根据样本点与样本图像之间的关系,确定所述候选点的候选图像;
根据所述候选图像与所述待定位图像之间的距离,从所述候选图像中确定所述待定位图像的目标样本图像。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述特征信息为位置信息。
5.一种特征确定装置,其特征在于,包括:
曲线构建模块,用于根据样本点的特征信息,构建贝塞尔曲线;
目标样本图像确定模块,用于根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像,确定待定位图像的目标样本图像;
特征信息确定模块,用于将目标样本图像对应的样本点的特征信息,作为待定位图像所对应的点的特征信息;
所述目标样本图像确定模块,包括:
目标点确定单元,用于从贝塞尔曲线上的点中取一点,作为目标点;
预测图像确定单元,用于根据样本点与样本图像之间的关系,确定所述目标点的预测图像;
距离确定单元,用于计算所述目标点的预测图像和所述待定位图像之间的距离;
目标样本图像确定单元,用于根据所述距离,确定待定位图像的目标样本图像;
所述目标样本图像确定单元包括位置关系确定子单元和目标样本图像确定子单元,其中,
所述位置关系确定子单元,用于若距离大于预设值,则基于目标点的特征信息,计算残差函数的导数,以确定下一预测点与目标点之间的位置关系;其中,残差函数根据贝塞尔曲线上的点、样本点与样本图像之间的关系和待定位图像构建;
目标点确定子单元,用于根据下一预测点与目标点之间的特征关系,从贝塞尔曲线上的点中确定下一预测点,作为目标点,并返回执行计算目标点的预测图像和待定位图像之间的距离的过程,直至距离小于预设值;
所述目标样本图像确定子单元,用于将目标点的预测图像作为待定位图像的目标样本图像。
6.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一项所述的特征确定方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的特征确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110389145.5A CN113112406B (zh) | 2021-04-12 | 2021-04-12 | 一种特征确定方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110389145.5A CN113112406B (zh) | 2021-04-12 | 2021-04-12 | 一种特征确定方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112406A CN113112406A (zh) | 2021-07-13 |
CN113112406B true CN113112406B (zh) | 2023-01-31 |
Family
ID=76715926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110389145.5A Active CN113112406B (zh) | 2021-04-12 | 2021-04-12 | 一种特征确定方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112406B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344968A (zh) * | 2008-09-02 | 2009-01-14 | 西北工业大学 | 星空背景图像中的运动补偿方法 |
DE102008011993A1 (de) * | 2008-02-29 | 2009-09-10 | Leica Microsystems Cms Gmbh | Synchronisierte Bildgebung mittels optischer Verfahren und Rasterkraftmikroskopie |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101040305B1 (ko) * | 2010-11-26 | 2011-06-10 | 삼성탈레스 주식회사 | 영상 탐색 장치 및 이를 이용한 표적 결정 방법 |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
DE102013001238B4 (de) * | 2013-01-25 | 2020-06-10 | Carl Zeiss Microscopy Gmbh | Lichtmikroskop und Mikroskopieverfahren |
US9934714B2 (en) * | 2014-03-18 | 2018-04-03 | Nvidia Corporation | Superresolution display using cascaded panels |
CN108304761A (zh) * | 2017-09-25 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 文本检测方法、装置、存储介质和计算机设备 |
CN112419219A (zh) * | 2020-11-25 | 2021-02-26 | 广州虎牙科技有限公司 | 图像增强模型训练方法、图像增强方法以及相关装置 |
-
2021
- 2021-04-12 CN CN202110389145.5A patent/CN113112406B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008011993A1 (de) * | 2008-02-29 | 2009-09-10 | Leica Microsystems Cms Gmbh | Synchronisierte Bildgebung mittels optischer Verfahren und Rasterkraftmikroskopie |
CN101344968A (zh) * | 2008-09-02 | 2009-01-14 | 西北工业大学 | 星空背景图像中的运动补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113112406A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9858464B2 (en) | 3-D localization and imaging of dense arrays of particles | |
Markham et al. | Parametric blind deconvolution: a robust method for the simultaneous estimation of image and blur | |
JP2002139666A (ja) | 光学系の最適化方法および装置、ならびに光学系の最適化用プログラムを記録した記録媒体 | |
Patwary et al. | Image restoration for three-dimensional fluorescence microscopy using an orthonormal basis for efficient representation of depth-variant point-spread functions | |
CN115423946B (zh) | 大场景弹性语义表征与自监督光场重建方法及装置 | |
Samuylov et al. | Modeling point spread function in fluorescence microscopy with a sparse gaussian mixture: Tradeoff between accuracy and efficiency | |
WO2020192235A1 (zh) | 一种双光子荧光成像方法、***及图像处理设备 | |
Koos et al. | DIC image reconstruction using an energy minimization framework to visualize optical path length distribution | |
Kagalwala et al. | Reconstructing specimens using DIC microscope images | |
CN111008945A (zh) | 基于机器学习的多像质参数自适应像差矫正方法及装置 | |
Chen et al. | Measure and model a 3-D space-variant PSF for fluorescence microscopy image deblurring | |
Li et al. | On-the-fly estimation of a microscopy point spread function | |
JP2007115256A (ja) | 電気光学画像処理システムを設計するための方法、該方法をコンピュータに実行させる命令を含む記憶媒体及び光サブシステム | |
CN113112406B (zh) | 一种特征确定方法、装置、电子设备以及存储介质 | |
Geng et al. | Multi-rotation coherent imaging by a phase mask | |
WO2020086217A1 (en) | Learning keypoints and matching rgb images to cad models | |
He et al. | Automatic focus determination through cosine and modified cosine score in digital holography | |
US11340057B2 (en) | Systems and methods for interferometric multifocus microscopy | |
Lee et al. | Three-dimensional shape recovery from image focus using polynomial regression analysis in optical microscopy | |
CN114460743B (zh) | 图像展示设备的成像效果分析方法、装置、设备及介质 | |
Liu et al. | Fast digital refocusing Fourier ptychographic microscopy method based on convolutional neural network | |
Zou et al. | Adaptive phase retrieval algorithm for local highlight area based on a piecewise sine function | |
CN111414572A (zh) | 射电星表与红外星表交叉证认方法、装置及可读存储介质 | |
Hou et al. | Evaluating the resolution of conventional optical microscopes through point spread function measurement | |
EP3559910B1 (en) | Adaptive image alignment using locally optimal transformations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211209 Address after: 250000 2203, building B, block B, incubator, No. 300, Changjiang Road, Yantai area, free trade pilot zone, Yantai City, Shandong Province Applicant after: Shandong Maike micro Biotechnology Co.,Ltd. Address before: No. 1088, Xili Xueyuan Avenue, Nanshan District, Shenzhen, Guangdong Province Applicant before: Southern University of Science and Technology |
|
GR01 | Patent grant | ||
GR01 | Patent grant |