论文部分内容阅读
由于DNA微阵列技术一次可以测量大量的基因序列,为基因组研究提供极大方便,从而受到大家的广泛关注.这个独特的方法让生物学家们可以同时识别处于同一个生物系统里的成千上万的基因并预测它们的作用.随着基因芯片技术的广泛应用,对图像信息的提取就需要有更高的准确度和效率.现有的许多方法为了达到适合的精确度而采用人工参与的方法,可是这样做不仅降低了工作效率而且也不可避免的带入了一些额外误差,所以如何高效准确的提取出每个基因点的信息一直是众多学者研究的热点.微阵列实验之后的所有信息都存储在DNA微阵列图像中,每个基因点处的像素值就反映了相应的基因表达水平,所以处理微阵列图像的重点就是找到基因点的位置并提取出它的像素值.本文详细介绍了Ghislain Bidaut等提出的基于小波分析的自动测量基因表达水平的方法.主要步骤是先对图片水平垂直方向投影,应用Fourier变换寻找图像的最佳校正角度并得到基因点间的间隔s;用s对图像做形态学闭运算,分割子阵列;对图像做两层小波分解,分别在水平方向子图H,垂直方向子图V进行模式识别寻找基因点中心,按中心位置连线第一次画网格,同时得到所有检测出来的基因点的直径;对于有些图像只一次网格划分可能不能全部找到,因此用平均距离s对网格线进行校正,相应的增加网格线,并认为在网格线交点处存在基因点;最后,根据基因点的中心和直径提取图像信息,值得注意的是最后得到的值需要用背景值进行校正.造成现在对DNA微阵列图像识别困难的一个主要原因就是因为各种各样的噪声,适当的去噪方法对最后的结果有非常大的影响.本文分别尝试了小波阈值去噪、KSVD去噪方法和两者结合去噪方法,再结合Ghislain Bidaut的基于小波的信息提取方法,做了对比实验,结果显示先进行小波去噪再进行KSVD去噪识别效果最好.