基于轻敲模式下 AFM 扫描细胞图像的图像融合降噪方法研究

《Scientific Reports》：Research on image fusion noise reduction method based on AFM scanned cell image in tapping

　　

摘要

使用轻敲模式原子力显微镜（TM-AFM）扫描细胞时，形貌图像的中心区域往往会产生显著噪声，而对应的振幅图像则保持相对清晰。利用这两种图像类型之间的强相关性，本研究提出了一种通过融合振幅和形貌数据来对细胞形貌图像进行降噪的方法。使用具有四种不同形态（三角形、星形、梭形及处于有丝分裂期）的 SMCC-7721 细胞评估了该方法的有效性。应用并评估了四种融合算法：加权平均、主成分分析（PCA）、双通道脉冲耦合神经网络（PCNN）和六层拉普拉斯金字塔。主观评价表明，加权平均和六层拉普拉斯金字塔算法产生了较佳的视觉效果，尽管前者导致细胞中心区域的信息丢失。客观上，定量指标（EN 和 g）证实所有融合图像的得分均高于原始形貌图像。六层拉普拉斯金字塔算法在主观和客观评估中均取得了最佳表现，在抑制噪声的同时保留了结构细节。因此，它被认定为提升 TM-AFM 图像质量的最优策略，为研究人员提供了用于细胞成像的鲁棒且高效的降噪工具。