کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7986523 1515136 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The plant virus microscope image registration method based on mismatches removing
ترجمه فارسی عنوان
روش ثبت نام تصویر میکروسکوپ گیاهی براساس برداشت ناسازگار است
کلمات کلیدی
تصویر میکروسکوپ ویروس، ثبت نام تصویر، حذف ناپیوستگی، مدل های تبدیل
ترجمه چکیده
میکروسکوپ الکترونی یکی از ابزارهای اصلی برای مشاهده ویروس است. مشاهده تصاویر میکروسکوپ ویروس با ساختن نمونه و اندازه میدان دید دوربین محدود می شود. برای حل این مشکل، نمونه ویروس به چند تکه برای تلفیق اطلاعات تولید می شود و تکنیک های ثبت نام تصویر برای به دست آوردن زمینه های بزرگ و بخش های کل استفاده می شود. تکنیک های ثبت نام تصویر در دهه های گذشته برای افزایش میدان دید دوربین توسعه یافته است. با این وجود، این روش ها به طور معمول در حالت دسته ای کار می کنند و بر روی میکروسکوپ های موتوری تکیه می کنند. متناوبا، روش ها فقط برای ارائه ثبت نام بصری دلپذیر برای توالی تصویر با نسبت بالای همخوانی طراحی شده اند. این مقاله یک روش برای ثبت تصویر تصویر میکروسکوپ ویروس با اطلاعات دقیق بصری و دقت زیرپیکسل ارائه می دهد، حتی اگر نسبت تراکم توالی تصویر 10٪ یا کمتر باشد. روش پیشنهادی متمرکز بر مجموعه مکاتبات و تحول بین دو تصویر است. استراتژی حذف ناسازگاری توسط سازگاری فضایی و اجزای کلیدی برای غنی سازی مجموعه مکاتبات پیشنهاد شده است. پارامتر مدل ترجمه و همچنین عدم تناسب تون با برآورد سلسله مراتبی تصحیح می شود و مدل را انتخاب کنید. در آزمایشات انجام شده، ما روشهای ثبت نام مختلف و تصاویر ویروسی را تایید کرده ایم که نشان می دهد که مدل ترجمه همیشه ثابت نیست، با وجود اینکه تصاویر نمونه از همان دنباله می آیند. استراتژی حذف ناسازگاری، ثبت نام تصاویر میکروسکوپ ویروس را در دقت زیر پیکسل آسان تر می کند و پارامترهای اختیاری برای ثبت ساختمان با توجه به برآورد سلسله مراتبی و استراتژی های انتخاب مدل، روش پیشنهادی را با دقت بالا و قابل اطمینان برای توالی تصویر با نسبت کم با هم مقایسه می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی مواد دانش مواد (عمومی)
پیش نمایش مقاله
روش ثبت نام تصویر میکروسکوپ گیاهی براساس برداشت ناسازگار است
چکیده انگلیسی
The electron microscopy is one of the major means to observe the virus. The view of virus microscope images is limited by making specimen and the size of the camera's view field. To solve this problem, the virus sample is produced into multi-slice for information fusion and image registration techniques are applied to obtain large field and whole sections. Image registration techniques have been developed in the past decades for increasing the camera's field of view. Nevertheless, these approaches typically work in batch mode and rely on motorized microscopes. Alternatively, the methods are conceived just to provide visually pleasant registration for high overlap ratio image sequence. This work presents a method for virus microscope image registration acquired with detailed visual information and subpixel accuracy, even when overlap ratio of image sequence is 10% or less. The method proposed focus on the correspondence set and interimage transformation. A mismatch removal strategy is proposed by the spatial consistency and the components of keypoint to enrich the correspondence set. And the translation model parameter as well as tonal inhomogeneities is corrected by the hierarchical estimation and model select. In the experiments performed, we tested different registration approaches and virus images, confirming that the translation model is not always stationary, despite the fact that the images of the sample come from the same sequence. The mismatch removal strategy makes building registration of virus microscope images at subpixel accuracy easier and optional parameters for building registration according to the hierarchical estimation and model select strategies make the proposed method high precision and reliable for low overlap ratio image sequence.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Micron - Volume 80, January 2016, Pages 90-95
نویسندگان
, , , , , ,