冷冻电镜(Cryogenic electron microscopy,Cryo-em)是一种能够实现生物大分子三维重构的技术,它通过冷冻电镜图像和三维重构软件获得高分辨率的生物大分子结构。由于冷冻电镜成像的特殊性,导致采集到的冷冻电镜图像夹杂大量噪声,这对三维重构的精度有很大的影响。当前冷冻电镜图像去噪的主要方法是通过提取大量的单颗粒图像在傅里叶空间中进行求和平均来提高单颗粒图像的信噪比,但这种方式去噪效果无法将噪声有效去除且原始的冷冻电镜图像的极低信噪比和低对比度使得对单颗粒图像提取变得困难,因此有必要寻找一种对原始冷冻电镜图像有效的去噪算法。本文根据生成对抗网络的特点,将生成对抗网络看做图像编解码的过程,通过结合灰度约束项和wasserstein距离,有效地提取图像的特征进行图像还原,并避免了网络在训练中损失无法指导训练的问题,达到冷冻电镜图像的去噪效果。具体内容如下:1.提出了一种改进的基于wasserstein距离的判别模型。针对生成对抗网络训练不稳定和损失无法有效指导模型训练的问题,引入WGAN的思想,使用wasserstein距离对判别模型损失函数进行改进。将wasserstein距离代替KL散度使得判别模型的训练过程由训练二分类模型变成了训练回归模型,让整体生成对抗网络在训练中更加稳定,参数传递更加合理。有效提升了生成对抗网络的模型稳定性和梯度信息的传递。本文对冷冻电镜图像仿真数据的训练对模型参数进行改进,通过稳定的损失梯度对整体生成对抗网络进行有效迭代。实验结果表明,本文所提出的模型在噪声强度为40的噪声图像中的峰值信噪比与BM3D相比提高了6.7d B,同时可以较好的保存原始图像中的模型结构和纹理信息。2.提出了一种使用灰度约束项改进损失函数的生成模型。针对去噪后的结果图像和目标图像存在整体灰度差异的问题。对生成模型损失进行改进,使灰度差异的大小进行加权对生成模型参数进行进一步的调整,能够有效地减少去噪结果和目标结果的灰度差异。此外还加强了生物大分子背景噪音的去除,较好保留了原始图像中的大分子轮廓信息,将生物大分子信息和噪声信息分离开,对去噪结果的衬度进行提高以及提高与目标结果的相似结构性。实验结果表明该改进的模型能够将去噪后的图像结果的结构相似性与BM3D相比提高0.14。3.提出一种使用局部线性嵌入算法改进编码结构的生成模型。针对模型在编码之后原始数据之间的隐形结构关系被破坏的问题,通过引入流形学习的对生成模型的编码结构进行改良,使用局部线性嵌入算法让生成模型的编码结果始终保持在一个流形平面上,缓解生成模型在编码过程中所造成的编码结果在不同流形上所导致的生成模型结果不稳定的问题。