Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于非负矩阵分解的多通道荧光显微图像光谱拆分方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:华中科技大学;湖北光谷实验室

摘要:本发明公开了基于非负矩阵分解的多通道荧光显微图像光谱拆分方法。包括S1,获取多通道荧光显微图像,将每个通道的图像作为矩阵P中的列;S2,将P分解为E与A两个矩阵;S3,建立目标函数J1A为A的稀疏度惩罚项,J1A=|sparsenessA‑spA|,0≤spA≤1;S4,初始化E与A;S5,对目标函数中的E与A迭代求解,输出E和A;S6,将E中每列还原为荧光团图像,A中行表征为对应荧光团的光谱。增加A的稀疏度惩罚项,引入了A的理想稀疏度值spA,通过减去spA,可以使A的稀疏度值更接近理想值,保证A是稀疏的,在迭代过程中实现精准约束,最终减小了拆分后的荧光团图像之间的串扰。

主权项:1.基于非负矩阵分解的多通道荧光显微图像光谱拆分方法,其特征在于,包括以下步骤:S1,获取多通道荧光显微图像,将每个通道的图像作为矩阵P中的列;S2,将矩阵P分解为E与A两个矩阵,其中,E表示端元矩阵,A表示丰度矩阵;S3,建立目标函数其中,F表示范数,α表示权重系数,J1A表示丰度矩阵A的稀疏度惩罚项,定义为J1A=|sparsenessA-spA|,sparsenessA表示丰度矩阵A的稀疏度,spA表示丰度矩阵A的理想稀疏度值,0≤spA≤1;S4,初始化端元矩阵E与丰度矩阵A;S5,对目标函数中的端元矩阵E与丰度矩阵A进行迭代求解,直到目标函数小于预设值或迭代次数达到预设的最大迭代次数,则输出端元矩阵E和丰度矩阵A;S6,将S5所得的端元矩阵E中的每列还原为荧光团图像,丰度矩阵A中的行表征为对应荧光团的光谱。

全文数据:

权利要求:

百度查询: 华中科技大学 湖北光谷实验室 基于非负矩阵分解的多通道荧光显微图像光谱拆分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术