基于top-hat变换与形状特征的蛋白点检测

针对凝胶图像中蛋白质点检测存在弱蛋白质点漏检和重叠蛋白质点难分离的问题,提出了一种基于top-hat变换与形状特征的弱重叠蛋白质点检测算法。采用top-hat变换算法增强弱蛋白质点区域;采用标记控制分水岭法进行粗检测,提取蛋白质点的初始轮廓;根据蛋白质形状特征,自适应设定阈值提取蛋白质点形状标记,并利用提取的标记计算形状距离图;采用基于形状距离的分水岭方法,分离重叠蛋白质点。通过不同类型真实凝胶图像的蛋白质点检测实验,结果表明,该算法具有较高的检测精度和重叠蛋白质点分离率,而且对质量不好的凝胶图像也有较好的检测效果。     

基于区域SIFT特征的凝胶图像间蛋白点匹配算法

针对传统匹配算法对旋转和扭曲图像匹配效果不佳的问题,提出一种基于蛋白点区域SIFT(Sale Invariant Feature Transform)特征的凝胶图像间蛋白点匹配算法.首先,提取蛋白点区域SIFT特征;然后,根据SIFT特征实现蛋白点粗匹配,并采用RANSAC (Random Sample Consensu)方法剔除误匹配特征点;最后,通过计算粗匹配点集之间的TPS(Thin Plate Spline)变换关系,采用几何相关法完成蛋白点间的精匹配.通过对国际凝胶图和Bio-Rad公司测试图等不同图源的凝胶图像进行蛋白点匹配实验,结果表明,该算法具有较高的匹配精度,其匹配误差小于2.2％,对旋转和扭曲图像同样具有良好的鲁棒性.