研究目的
研究将自然场景图像的梯度分布作为光显微镜图像的先验信息,以从不完美的图像中重建潜在的真实情况,且不对真实信号的几何结构施加任何假设。
研究成果
自然场景GDP是一种用途广泛且理论基础扎实的显微图像先验模型,它不要求对真实信号的几何结构做任何假设,仅对其梯度谱进行约束。该GDP提供的参数化模型能形成高效可解的变分问题,并已成功应用于多种图像处理任务。但由此生成的图像会因先验约束而更趋近自然场景图像的外观特征,这种偏向性可能不适用于定量荧光测定或单分子量化分析。
研究不足
GDP模型基于一些可能不适用于所有类型图像的假设,例如相邻像素梯度的独立性以及梯度分布的旋转对称性。该模型也仅限于8位灰度图像,在不重新估计参数的情况下可能无法直接应用于其他位深的图像。