MATLAB环境下基于超高斯全自动组织学图像的盲彩色反卷积方法

图像盲反卷积问题仅根据模糊图像估计清晰图像和模糊核,也是一个欠定问题且求解更加困难。但图像盲反卷积算法更实际,因为许多情况下,模糊核都是未知或部分已知的。求解盲反卷积问题需要为未知量选择适当的先验模型,以得到清晰图像和模糊核的确定解。

图像盲反卷积算法的发展可以追溯到上世纪70年代中期。此后,图像盲反卷积算法在专用领域缓慢发展。近十年来,图像盲反卷积算法的研究兴起。变分贝叶斯推理受到广泛关注,给盲反卷积算法性能带来重要飞跃。研究者们引入多种先验模型,结合VB推理,使得盲复原算法通用而强大。超高斯是最受欢迎的先验模型,具有稀疏性,包括TV模型,lp,MOG和SMG等。有研究人员根据自然图像梯度的统计特征呈现重尾分布,采用稀疏图像先验模型,即混合高斯模型,结合变分贝叶斯推理估计模糊核,再通过RL非盲反卷积算法复原图像;有研究人员提出了基于VB推理和超高斯稀疏图像先验模型的盲反卷积算法,给出了这类盲反卷积算法估计清晰图像和模糊核的一般程序;有研究人员将TV先验模型做近似,使其适应VB推理架构,得到了优于非TV先验模型方法的复原效果。学生t-分布,本质上是高斯尺度混合的一种,可以表示成有限数目的高斯分布的叠加,其中高斯分布的精度服从伽马分布,这样的性质使得基于VB推理的盲反卷积问题更简单。

鉴于图像盲反卷积方法的优势,提出一种基于超高斯全自动组织学图像的盲彩色反卷积方法,算法运行环境为MATLAB R2018A,压缩包=数据+代码+参考文献。部分代码如下:

复制代码
clc,clear all
I = imread('histWB.jpg');
% In this example we will be using Landini reference vectors (default). 
% It is strongly recommended to update the reference matrix according to the images you are working with.
% The reference should be representative of the tissue/ stain center/ scanner 
load 'MLandini' RM;
[m,n,nc] = size(I);
subplot(241),imshow(I)
title('Original H&E Image')
%% Deconvolution
ns=2; %number of stains
p=1; %prior parameter
prior= 'lp' %'lp' or 'log'
filtersetname='fo'; %high pass filters ('none', 'fohv', 'fo') 

%% Band visualization (OD space)

ns = size(M,2)
concentrations = reshape(CT',m,n,ns);

%figure()
subplot(242),imshow(concentrations(:,:,1))
title('OD H Band')
subplot(246),imshow(concentrations(:,:,2))
title('OD E Band')


%% Band reconstruction (RGB space)
Hrec_OD = reshape((M(:,1)*CT(1,:))',m,n,nc);
Hrec_RGB = OD2intensities(Hrec_OD);

Erec_OD = reshape((M(:,2)*CT(2,:))',m,n,nc);
Erec_RGB = OD2intensities(Erec_OD);

%figure()
subplot(243),imshow(Hrec_RGB)
title('RGB H Band')
subplot(247),imshow(Erec_RGB)
title('RGB E Band')

%% Image Normalization

出图如下:

工学博士,担任《Mechanical System and Signal Processing》审稿专家,担任
《中国电机工程学报》优秀审稿专家,《控制与决策》,《系统工程与电子技术》,《电力系统保护与控制》,《宇航学报》等EI期刊审稿专家。

擅长领域:现代信号处理,机器学习,深度学习,数字孪生,时间序列分析,设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。

相关推荐
难受啊马飞2.06 分钟前
如何判断 AI 将优先自动化哪些任务?
运维·人工智能·ai·语言模型·程序员·大模型·大模型学习
顺丰同城前端技术团队7 分钟前
掌握未来:构建专属领域的大模型与私有知识库——从部署到微调的全面指南
人工智能·deepseek
许泽宇的技术分享10 分钟前
用.NET9+Blazor+Semantic Kernel,打造企业级AI知识库和智能体平台——AntSK深度解读
人工智能
烟锁池塘柳029 分钟前
【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
人工智能·深度学习·机器学习
一尘之中43 分钟前
全素山药开发指南:从防痒处理到高可用食谱架构
人工智能
加油吧zkf1 小时前
水下目标检测:突破与创新
人工智能·计算机视觉·目标跟踪
加油吧zkf1 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo
峙峙峙1 小时前
线性代数--AI数学基础复习
人工智能·线性代数
weiwuxian2 小时前
揭开智能体的神秘面纱:原来你不是"超级AI"!
人工智能
Codebee2 小时前
“自举开发“范式:OneCode如何用低代码重构自身工具链
java·人工智能·架构