基于小波和中值滤波的基因芯片图像去噪方法.pdfVIP

基于小波和中值滤波的基因芯片图像去噪方法 1 2 1 金龙 ，唐玉荣 ，张彦娥 1 中国农业大学信息与电气工程学院(100083) 2 中国农业大学生物学院(100094) Email：JL7612@163.com 摘 要：对基因芯片的表达数据进行分析有助于获得基因的表达谱与功能之间的关联信息， 而基因芯片图像的滤波方法对于获得高质量的基因表达数据具有重要的意义。本文采用小波 和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因 芯片图像的部分高频噪声，避免了图像有用信号湮灭。而中值滤波法弥补了小波分析中的噪 声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能 够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节。 关键词：基因芯片 图像滤波 小波分析 中值滤波 1．引言 基因芯片是分子生物学和微电子及信息学相互结合所形成的新型技术，利用基因芯片可 以实现基因信息的大规模检测。基因芯片图像分析是基因芯片应用过程中一个非常重要的步 骤，其分析获得的基因表达数据将直接用于确定检测的结果和做后续的研究。 由于基因芯片在制作、杂交、清洗和测定过程中存在灰尘污染等原因，基因芯片图像背 景并不均匀，存在一些随机的刺峰噪声 （正峰或负峰）信号[4] 。因此，为了得到基因芯片的 较高质量的表达数据，必须首先对基因芯片图像进行滤波去噪处理。 基因芯片图像滤波方法有两类：空域平滑法和频域低通滤波法。两种方法都是对图像的 低频成分进行增强，对图像的高频成分进行抑制的过程。图像在噪声抑制的同时，也损失了 图像边沿与细节信息。 对于基因芯片图像而言，中值滤波的效果比较理想，但存在一个不足。由于杂交反应的 扩散性，芯片图像上的像素点分布并不均匀，一个亮的像素点可能紧接着一个比较暗的像素 点，它们对于分析都很重要，在滤除噪声时应尽量减少对这些有用信号的湮灭。而中值滤波 在处理这种细节比较多的图像时，具有一定的局限性[8] 。 数学形态学方法是通过组合腐蚀，膨胀运算，运用形态开，闭运算以不同的方式平滑信 号，实现形态滤波。滤波效果主要由结构元素的大小决定。若结构元素取得较大，对于形状 较大，较小的噪声都有很好的滤波效果，但可能使细小目标消失；若结构元素取得较小，则 只能滤除形状较小的噪声干扰。因此形态滤波的效果与结构元素的大小紧密相关。和中值滤 波同样不适合处理细节较多的基因芯片图像。 小波分析具有多尺度频率域滤波特性，擅长分析图像细节信息和刻画信号的非平稳性， 如突变和断点等，被誉为数学显微镜。在不同分辨率下根据信号和噪声的分布来去除噪声。 对信号去相关，使噪声在变换后有白化趋势，所以小波域比时域更利于去噪。小波分析的硬 门限阈值量化去噪法，对图像的边缘、细小特征、点目标和纹理特征的保持是最好的，缺点 是噪声指数相对较高[6] 。 针对以上基因芯片图像去噪方法存在的难题和特点，本文提出一种基于小波分析和中值 滤波相结合的基因芯片图像滤波方法。该方法首先对图像进行小波分解，对分解后的高频系 数进行小波硬门限阈值量化去噪，其后对分解图像进行二维小波重构。去噪重构后的图像信 号在有效去除了部分高频噪声的同时，很好地保留了基因芯片图像地边缘、细节信息。而这 点正可以弥补中值滤波不善于处理图像细节信息和容易造成信号湮灭的局限性。其后再对重 构后的图像信号利用中值滤波去噪。可有效消除前面小波去噪的噪声指数较高的弱点。充分 - 1 - 发挥了二者在图像滤波领域的优势，同时相互弥补了去噪能力的不足和局限性。 2．基因芯片图像滤波方法 常用于基因芯片图像滤波处理的效果较好的空域平滑法有两种：中值滤波法、数学形态 学方法。在本文，将引入小波分析来处理基因芯片的图像。 2.