Dual-track morphology-guided multi-exposure image fusion for western blotting

HUANG Yaoquan; GU Yuhai; JIA Ran; QIU Zhongxun; ZHU Zhenliang

doi:10.37188/OPE.20263415.2410

您当前的位置：

首页 >

文章列表页 >

Dual-track morphology-guided multi-exposure image fusion for western blotting

Information Sciences | 更新时间：2026-08-20

- Dual-track morphology-guided multi-exposure image fusion for western blotting
- Optics and Precision Engineering Vol. 34, Issue 15, Pages: 2410-2421(2026)
- 作者机构：
  
  1.北京信息科技大学现代测控技术教育部重点实验室，北京 100192
  2.北京信息科技大学机电工程学院，北京 100192
  3.阿曼尼生物科技（广州）有限公司，广东广州 510000
  4.北京东方计量测试研究所，北京 100086
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20263415.2410
  CLC： TP391.4;Q51
- CSTR：32169.14.OPE.20263415.2410
- Received：20 April 2026，
  
  Revised：2026-06-02，
  
  Online First：14 August 2026，
  
  Published：10 August 2026
- 稿件说明：
移动端阅览
黄耀泉,谷玉海,贾然等.双轨制形态学引导的蛋白印迹多曝光图像融合[J].光学精密工程,2026,34(15):2410-2421.

HUANG Yaoquan,GU Yuhai,JIA Ran,et al.Dual-track morphology-guided multi-exposure image fusion for western blotting[J].Optics and Precision Engineering,2026,34(15):2410-2421.
黄耀泉,谷玉海,贾然等.双轨制形态学引导的蛋白印迹多曝光图像融合[J].光学精密工程,2026,34(15):2410-2421. DOI： 10.37188/OPE.20263415.2410. CSTR： 32169.14.OPE.20263415.2410.

HUANG Yaoquan,GU Yuhai,JIA Ran,et al.Dual-track morphology-guided multi-exposure image fusion for western blotting[J].Optics and Precision Engineering,2026,34(15):2410-2421. DOI： 10.37188/OPE.20263415.2410. CSTR： 32169.14.OPE.20263415.2410.

摘要

针对蛋白印迹单次曝光图像受限于成像动态范围、高丰度条带饱和及低丰度条带信号淹没的问题，提出一种基于双轨制形态学引导的多曝光融合算法。首先，获取多曝光序列的蛋白印迹图像，并对条带特征设计包括自适应曝光、形态学显著性与空间注意力的多线索权重，通过非线性增益和归一化形成最终权重图。然后，依托双轨制金字塔框架，对于图像分解通道，通过形态学门控引导非线性多尺度特征提取；对于在权重金字塔通道，构建高斯金字塔对权重图进行平滑。最后，采用多尺度线性融合和拉普拉斯金字塔逆变换生成高动态范围融合图像。实验结果表明，融合图像的标准差可达20.62，空间频率可达3.92，差异相关性之和可达0.80，避免强对比度条带边缘的光晕与伪影，在高保真定量评估中，本算法显著提升了光密度响应的定量灵敏度，有效去除底噪的同时保留了低丰度条带信号，可提高图像动态范围。综上所述，本算法在蛋白印迹多曝光图像融合中具有实际应用价值。

Abstract

Single-exposure Western blot （WB） imaging is limited by a restricted dynamic range， saturation of high-abundance protein bands， and loss of low-abundance signals. A dual-channel morphology-guided multi-exposure fusion algorithm （MGAWF） is proposed to address these limitations. A multi-cue weighting model incorporating adaptive exposure， morphological saliency， and spatial attention is designed for WB multi-exposure image sequences. The final weight map is generated through nonlinear gain adjustment and normalization. In the dual-channel pyramid framework， morphology-guided gating enables nonlinear multiscale feature extraction in the image-decomposition channel， whereas a Gaussian pyramid smooths the weight map across scales. The fused high-dynamic-range image is reconstructed by multiscale linear fusion followed by inverse Laplacian-pyramid transformation. Experimental results yielded a standard deviation of 20.62， a spatial frequency of 3.92， and a sum of correlations of differences of 0.80. The method suppressed halo and artifact formation near high-contrast band edges， reduced background noise， and preserved low-abundance band signals. Quantitative optical-density analysis indicated improved response sensitivity and an expanded effective dynamic range. MGAWF provides a quantitative image-reconstruction approach for multi-exposure WB imaging and supports reliable protein-band analysis over a broader signal range.

关键词

Keywords

references

KROON C ， BREUER L ， JONES L ， et al . Blind spots on western blots： Assessment of common problems in western blot figures and methods reporting with recommendations to improve them ［J］. PLoS Biology ， 2022 ， 20 （ 9 ）： e3001783 . doi: 10.1371/journal.pbio.3001783 http://dx.doi.org/10.1371/journal.pbio.3001783

卢进，周东东，杨永清，等 . 不同参数对蛋白免疫印迹法结果的影响［J］. 生物技术， 2019 ， 29 （ 4 ）： 371 - 375， 366 .

LU J ， ZHOU D D ， YANG Y Q ， et al . Effects of different parameters on the results of immunoblotting ［J］. Biotechnology ， 2019 ， 29 （ 4 ）： 371 - 375， 366 . （in Chinese）

MERTENS T ， KAUTZ J ， VAN REETH F . Exposure fusion： a simple and practical alternative to high dynamic range photography ［J］. Computer Graphics Forum ， 2009 ， 28 （ 1 ）： 161 - 171 . doi: 10.1111/j.1467-8659.2008.01171.x http://dx.doi.org/10.1111/j.1467-8659.2008.01171.x

史韶杰，韩建宁，李大威，等 . 基于多尺度曝光融合的医学CT图像增强方法［J］. 电子测量技术， 2022 ， 45 （ 6 ）： 106 - 111 .

SHI SH J ， HAN J N ， LI D W ， et al . Medical CT image enhancement method based on multi-scale exposure fusion ［J］. Electronic Measurement Technology ， 2022 ， 45 （ 6 ）： 106 - 111 . （in Chinese）

王建，王必宁，杨根善，等 . 基于形态学金字塔的医学图像融合技术［J］. 兵工自动化， 2014 ， 33 （ 1 ）： 82 - 84 .

WANG J ， WANG B N ， YANG G SH ， et al . Fusion technology of medical image based on morphological pyramid ［J］. Ordnance Industry Automation ， 2014 ， 33 （ 1 ）： 82 - 84 . （in Chinese）

LI S T ， KANG X D ， HU J W . Image fusion with guided filtering ［J］. IEEE Transactions on Image Processing ， 2013 ， 22 （ 7 ）： 2864 - 2875 . doi: 10.1109/tip.2013.2244222 http://dx.doi.org/10.1109/tip.2013.2244222

李卫中，易本顺，邱康，等 . 细节保留的多曝光图像融合［J］. 光学精密工程， 2016 ， 24 （ 9 ）： 2283 - 2292 . doi: 10.3788/ope.20162409.2283 http://dx.doi.org/10.3788/ope.20162409.2283

LI W ZH ， YI B SH ， QIU K ， et al . Detail preserving multi-exposure image fusion ［J］. Optics and Precision Engineering ， 2016 ， 24 （ 9 ）： 2283 - 2292 . （in Chinese） . doi: 10.3788/ope.20162409.2283 http://dx.doi.org/10.3788/ope.20162409.2283

CHANG R ， LIU G ， TANG H J ， et al . RDGMEF： a multi-exposure image fusion framework based on Retinex decompostion and guided filter ［J］. Neural Computing and Applications ， 2024 ， 36 （ 20 ）： 12083 - 12102 . doi: 10.1007/s00521-024-09779-8 http://dx.doi.org/10.1007/s00521-024-09779-8

MAMMADOVA K ， ERDEM E ， ERDEM A . Visual saliency guided exposure fusion ［C］. 2014 22nd Signal Processing and Communications Applications Conference （SIU）. 23-25，2014 ， Trabzon， Turkey. IEEE ， 2014 ： 536 - 539 . doi: 10.1109/siu.2014.6830284 http://dx.doi.org/10.1109/siu.2014.6830284

祝新力，张雅声，方宇强，等 . 多曝光图像融合方法综述［J］. 激光与光电子学进展， 2023 ， 60 （ 22 ）： 2200003 .

ZHU X L ， ZHANG Y SH ， FANG Y Q ， et al . Review of multi-exposure image fusion methods ［J］. Laser & Optoelectronics Progress ， 2023 ， 60 （ 22 ）： 2200003 . （in Chinese）

BHADRA S ， KELKAR V A ， BROOKS F J ， et al . On hallucinations in tomographic image reconstruction ［J］. IEEE Transactions on Medical Imaging ， 2021 ， 40 （ 11 ）： 3249 - 3260 . doi: 10.1109/tmi.2021.3077857 http://dx.doi.org/10.1109/tmi.2021.3077857

DONG M H ， CHAI M Y ， LIU Y N ， et al . Enhancing low-light high-dynamic-range image from industrial cameras using dynamic weighting and pyramid fusion ［J］. Sensors ， 2025 ， 25 （ 8 ）： 2452 . doi: 10.3390/s25082452 http://dx.doi.org/10.3390/s25082452

王卫星，赵恒 . 结合改进Retinex及自适应分数阶微分的雾霾公路交通图像增强［J］. 光学精密工程， 2020 ， 28 （ 8 ）： 1820 - 1834 .

WANG W X ， ZHAO H . Haze traffic image enhancement based on improved retinex and adaptive fractional differential ［J］. Optics and Precision Engineering ， 2020 ， 28 （ 8 ）： 1820 - 1834 . （in Chinese）

陈芯蕊，郭立强 . 基于LP和LBP的红外与可见光图像融合算法［J］. 淮阴师范学院学报（自然科学版）， 2023 ， 22 （ 3 ）： 210 - 215 .

CHEN X R ， GUO L Q . An infrared and visible image fusion algorithm based on LP and LBP ［J］. Journal of Huaiyin Teachers College （Natural Science Edition）， 2023 ， 22 （ 3 ）： 210 - 215 . （in Chinese）

OBREJA C D . Optimizing retinal vessel visualization using multi-exposure fusion and adaptive contrast enhancement for improved diagnostic imaging ［J］. Integr. Med ， 2024 ， 11 （ 11 ）： 1 - 10 .

杨泽华，孙正 . 多模态医学图像融合研究进展［J］. 中国医学物理学杂志， 2026 ， 43 （ 1 ）： 14 - 27 .

YANG Z H ， SUN ZH . Review of multimodal medical image fusion ［J］. Chinese Journal of Medical Physics ， 2026 ， 43 （ 1 ）： 14 - 27 . （in Chinese）

唐霖峰，张浩，徐涵，等 . 基于深度学习的图像融合方法综述［J］. 中国图象图形学报， 2023 ， 28 （ 1 ）： 3 - 36 . doi: 10.11834/jig.220422 http://dx.doi.org/10.11834/jig.220422

TANG L F ， ZHANG H ， XU H ， et al . Deep learning-based image fusion： a survey ［J］. Journal of Image and Graphics ， 2023 ， 28 （ 1 ）： 3 - 36 . （in Chinese） . doi: 10.11834/jig.220422 http://dx.doi.org/10.11834/jig.220422

KAUR H ， VIG R ， KUMAR N ， et al . Objective image quality assessment of pixel level image fusion algorithms for medical imaging ［C］. 2023 Second International Conference on Electrical， Electronics， Information and Communication Technologies （ICEEICT）. 5-7，2023 ， Trichirappalli， India. IEEE ， 2023 ： 1 - 8 . doi: 10.1109/iceeict56924.2023.10157703 http://dx.doi.org/10.1109/iceeict56924.2023.10157703

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Semantically controllable fusion of infrared and visible images

Dual-stream hierarchical interactive fusion network guided by illumination weight allocation

Reliability adaptive guided infrared and visible image fusion

Infrared and visible image fusion based on HMSD and improved PCNN

Polarized image feature fusion in power inspection

Related Author

LIU Changyuan

CHENG Bingyun

WU Haibin

HAN Yulan

WU Tong

HUANG Hairu

WANG Chen

MA Qinglu

Related Institution

College of Measurement-Control Technology and Communication Engineering， Harbin University of Science and Technology

College of Measurement and Control Technology and Communication Engineering， Harbin University of Science and Technology

College of Transportation， Chongqing Jiaotong University

CISDI Information Technology Co.， Ltd.

National Virtual Simulation Experiment Teaching Center for Rail Transit Information and Control，Lanzhou Jiaotong University

AI脑图

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰