摘要
荧光显微成像技术在生物化学及分子生物学研究中的应用越来越广泛。显微图像中存在的噪声干扰会给图像的分析和理解带来障碍。在论述荧光显微图像成像过程及其噪声来源的基础上,本文分别介绍平滑滤波与小波变换两大类方法,并拓展分析在其基础上改进的新型算法。本文的综述便于初步认清荧光显微图像噪声干扰去除方法的发展轨迹与发展现状,以期为进一步的研究理清思路。
引文
[1]JericeviZ,Wiese B,Bryan J,Smith LC.Validation of an imaging system:steps to evaluate and validate a microscope imaging system for quantitative studies.Methods Cell Biol,1989(30):47-83.
[2]常敏,刘天成.基于荧光显微镜的显微视觉图像增强处理[J].电子科技,2017,30(9):108-111.
[3]赵毅,周成.红外热图像信号噪声量化以及滤除方法的研究[J].科技风,2010(22):228-229.
[4]杨弘远.荧光显微镜技术的基本原理与方法[J].植物学报,1984,2(6):45-48.
[5]张淼丽,李继硕.荧光显微镜摄影技术[J].神经解剖学杂志,2000,16(3):301-310.
[6]蔡欢庆,匡翠方,王轶凡,葛剑虹,刘旭.基于宽场随机荧光漂白的超分辨显微方法[J].中国激光,2013,40(11):234-238.
[7]王倩丽.基于MATLAB线性平滑滤波器的设计[J].电脑学习,2011(2):102-103.
[8]熊专,孙晖,万姗,芦青,陈璐璐.不同性质甲状腺结节临床特征的分析[J].华中科技大学学报(医学版),2014,43(4):444-448.
[9]陈松楠.基于改进中值滤波的生猪体表图像预处理算法[J].智能计算机与应用,2018,8(1):59-61.
[10]Huang T,Yang G,Tang G.A fast two-dimensional median filtering algorithm.IEEE Trans[J].on Acoustic.speech.&Signal Processing,1979,27(1):13-18.
[11]陈超,罗小华,陈淑群,俞国军.基于现场可编程门阵列的高斯滤波算法优化实现[J].浙江大学学报(工学版),2017,51(5):969-975.
[12]孙东宁,张丽,闫朝文.基于小波变换的图像降噪技术[J].电脑知识与技术,2010,6(3):691-692.
[13]蒋卓承.采用自适应高斯引导滤波对条纹图像去噪和三维重建[M].广东深圳,2015.
[14]姒绍辉,胡伏原,顾亚军,鲜学丰.一种基于不规则区域的高斯滤波去噪算法[J].计算机科学.2014,41(11):313-316.
[15]矫媛,黄斌文.基于小波变换的图像去噪方法综述[J].电子制作,2015(7):55-56.
[16]任玮蒙,张卫川,何松辉.基于多尺度小波分解的家用负荷分类计量[J].电气技术与经济,2018(1):45-48.
[17]李晓飞.基于小波变换的图像去噪方法研究[D].南京邮电大学,2016.
[18]卞维新,封举富,罗永龙,徐德琴.结合频谱扩散的指纹图像滤波增强[J].中国图象图形学报,2014,19(7):1021-1030.
[19]周成江,吴建德,杨静宗.基于改进阈值的管道异常状况信号降噪研究[J].计算机与数字工程,2017,45(4):608-612.
[20]张传义.基于小波变换的CBCT图像去噪方法研究[J].电脑知识与技术,2018(4):181-183.