荧光显微镜中斑点检测方法的定量比较读后总结

论文内容简介：

生物图像数据的定量分析通常涉及许多亚分辨率斑点的检测，尤其是使用荧光显微镜的活细胞成像中，信噪比(SNR)可能非常低，这使得自动点检测成为一项非常艰巨的任务，过去已经有许多方法用来检测斑点，但没有人对这些方法进行全面的评估比较，本文尝试了7种无监督检测方法和2种有监督检测方法，在低SNR的检测中，机器学习方法的整体效果最佳，基于形态学的h-dome变换和多尺度方差稳定化变换与其相差无几，在高SNR时，所有算法的效果相差无几。

斑点检测的算法步骤：

图像处理第一步：去噪

1）Gaussian Smoothing（高斯平滑）
2）Isotropic Undecimated Wavelet Denoising
3）Patch-Based Denoising
4）Variance-Stabilizing Techniques
没错，我就只认识第一个。。后面的之后再查论文看怎么回事吧。

图像处理第二步：无监督图像增强
1）Wavelet Multiscale Product
2）Multiscale Variance-Stabilizing Transform Detector
3）Top-Hat Filter
4）Spot-Enhancing Filter
5）Grayscale Opening Top-Hat Filter
6）H-Dome Based Detection
7）Image Features Based Detection

图像处理第二步：监督图像增强
1）AdaBoost
2）Fisher Discriminant Analysis

图像处理第三步：Signal Thresholding and Performance Measures

按照阈值对图像进行二值化，得到感兴趣的区域。

之后就是算法判别，首先是实现问题吧，我会开一个小专栏，用于存放这篇文章之后的复制实现，平台暂时选择matlab，因为编程能力有限，不得不这么做。