DNA机器人在AFM图像中的分割和识别

doi:10.3778/j.issn.1002-8331.1803-0268

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (11): 192-198.DOI: 10.3778/j.issn.1002-8331.1803-0268

DNA机器人在AFM图像中的分割和识别

童麟1，2，韩越兴1，3，小长谷明彦3，4

1.上海大学计算机工程与科学学院，上海 200444
2.中国科学院大学上海高等研究院，上海 200000
3.东京工业大学综合理工研究科，东京 226-8502
4.国立情报学研究所，东京 101-8430

出版日期:2019-06-01 发布日期:2019-05-30

Segmentation and Recognition of DNA Robots in AFM Images

TONG Lin1，2, HAN Yuexing1，3, Akihiko Konagaya3，4

1.School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China
2.Shanghai Advanced Research Institute, University of Chinese Academy of Sciences, Shanghai 200000, China
3.Interdisciplinary Graduate School of Science and Engineering, Tokyo Institute of Technology, Tokyo 226-8502, Japan
4.National Institute of Informatics, Tokyo 101-8430, Japan

Online:2019-06-01 Published:2019-05-30

摘要/Abstract

摘要： DNA机器人是一种由DNA大分子通过折纸技术制作的纳米级别的机器人，可以用于癌症的诊断和治疗。为了对DNA机器人形态进行研究，研究人员利用原子力显微镜（Atomic Force Microscope，AFM）拍摄出机器人的AFM图像。针对AFM图像多噪声及被观察的DNA机器人大规模重叠的特点，从除噪、分割、识别三个过程展开，提出了一种基于多尺度改进的分水岭AFM图像切割算法，以傅里叶描述子、曲率尺度空间描述符和Hu矩作为特征，实现DNA纳米机器人的分类和识别。

关键词: 原子力显微镜（AFM）图像, 分水岭算法, DNA机器人, 物体识别, 噪声消除

Abstract: DNA robot is a type of nano robots made from DNA macromolecules with the origami technology. DNA robots can be used for the diagnosis and treatment of the cancer. To research the DNA robots, Atomic Force Microscope（AFM） is used to take the photographs of the DNA robots. Since there are many noises in the AFM images and overlaps among the DNA robots, removing noises, segmentation, and recognition are processed. The watershed based on multi-scale technique is improved for the segmentation of DNA robots. DNA robots are classified and recognized with the Fourier descriptors, Curvature Scale Space（CSS） method and Hu moment.

Key words: Atomic Force Microscope（AFM） image, watershed algorithm, DNA robots, object recognition, noise elimination

童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.

TONG Lin1，2, HAN Yuexing1，3, Akihiko Konagaya3，4. Segmentation and Recognition of DNA Robots in AFM Images[J]. Computer Engineering and Applications, 2019, 55(11): 192-198.

[1]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[2]	朱炯，严丽军，马燕. 改进SSIM图像评价系统的开发与应用[J]. 计算机工程与应用, 2019, 55(12): 215-219.
[3]	费运巧1，刘文萍1，骆有庆2，陆鹏飞2. 森林病虫害监测中的无人机图像分割算法比较[J]. 计算机工程与应用, 2017, 53(8): 216-223.
[4]	齐梅1，胡敏2. 基于多方向空间词袋模型的物体识别[J]. 计算机工程与应用, 2017, 53(7): 197-201.
[5]	吴凡，闵华松. 一种实时的三维语义地图生成方法[J]. 计算机工程与应用, 2017, 53(6): 67-72.
[6]	徐天芝，张贵仓，贾园. 基于形态学梯度的分水岭彩色图像分割[J]. 计算机工程与应用, 2016, 52(11): 200-203.
[7]	孙晋博，余隋怀，陈登凯. 基于证据理论融合多特征的物体识别算法[J]. 计算机工程与应用, 2015, 51(9): 147-151.
[8]	朱萍1，梅婕2，朱晓勃3，黄永刚3. 双边滤波和标记分水岭的CT心脏图像分割[J]. 计算机工程与应用, 2015, 51(8): 170-173.
[9]	孙斌，张长胜，刘子裕，钱斌，张汉平. HVPP算法在指针表盘视觉检测中的研究[J]. 计算机工程与应用, 2015, 51(23): 189-194.
[10]	郭伟，李喜军，文添艺. 融合多结构滤波和多尺度重建的分水岭算法[J]. 计算机工程与应用, 2015, 51(14): 151-157.
[11]	余辉，曲昌盛，李金航. 复杂环境下的手部轮廓提取方法[J]. 计算机工程与应用, 2015, 51(14): 170-174.
[12]	王永国1，2，彭国华2，杨东亮1，王凌伟1. 改进的多尺度图谱和局部谱的目标提取算法[J]. 计算机工程与应用, 2015, 51(12): 176-183.
[13]	贾晖1，2，耿国华1，周明全3，张建刚4. 基于区域离散曲率的三维网格分水岭分割[J]. 计算机工程与应用, 2015, 51(11): 182-186.
[14]	林霄，肖国强，吴松，邱开金. 基于随机游走模型的物体识别[J]. 计算机工程与应用, 2013, 49(21): 145-151.
[15]	黎蔚，高璐. 基于改进的分水岭算法的路面裂缝检测[J]. 计算机工程与应用, 2013, 49(20): 263-266.

DNA机器人在AFM图像中的分割和识别

Segmentation and Recognition of DNA Robots in AFM Images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics