高通量基因測序堿基識別中圖像去噪的方法研究.pdf

1、高通量基因測序技術(shù)是第二代基因測序的主要技術(shù)，得到許多研究機(jī)構(gòu)的廣泛關(guān)注。該技術(shù)是將含有堿基信息的熒光點(diǎn)組成原始待測序圖像，經(jīng)過堿基識別操作得到所測基因序列。因?yàn)樵紵晒鈭D像信噪比低等原因，影響堿基識別的準(zhǔn)確度，因此需要圖像去噪等預(yù)處理操作。在過去的幾十年中，針對測序圖像的去噪算法已經(jīng)取得了極大的發(fā)展。由于待測序圖像具有紋理密度多樣性和噪聲多樣性的特點(diǎn)，小波閾值收縮去噪算法在解決測序圖像去噪問題上具有較好的性能。本文提出了兩種基于小波閾

2、值改進(jìn)算法模型用于待測序圖像去噪問題。
　　基于閾值的小波收縮去噪算法主要由兩類組成：基于全局閾值小波收縮去噪方法和基于局部閾值的小波收縮去噪方法。本文提出的第一種算法是基于à trous小波的改進(jìn)閾值算法。首先將含噪聲圖像小波分解為多個(gè)高頻分量和一個(gè)低頻分量，然后使用1范數(shù)構(gòu)造每一層小波系數(shù)對應(yīng)的全局閾值表達(dá)式，并根據(jù)每一層小波系數(shù)與閾值提出了估計(jì)小波系數(shù)表達(dá)式。最后進(jìn)行小波逆變換，得到降噪后的圖像。本文提出的第二種小波閾值去噪

3、算法主要是使用離散小波變換，對BiShrink閾值算法進(jìn)行改進(jìn)。傳統(tǒng)的BiShrink算法在計(jì)算估計(jì)小波系數(shù)時(shí)考慮當(dāng)前系數(shù)、父子系數(shù)之間的相關(guān)性，但是該方法沒有考慮信號的分布特性，造成重構(gòu)圖像模糊。而本文提出的算法是在含有高斯噪聲的數(shù)據(jù)庫中，在每個(gè)小波系數(shù)的鄰域內(nèi)選擇部分小波系數(shù)來計(jì)算局部閾值，并使用拉普拉斯模型改進(jìn)估計(jì)小波系數(shù)表達(dá)式，使得解決待測序圖像的去噪算法更具有魯邦性。
　　本文提出的兩種算法模型都在Swift和人工仿真的