顯微視頻序列圖像中細(xì)胞的跟蹤.pdf

1、對細(xì)胞的研究是人類進(jìn)行微觀世界探索的一個重要且有效的手段，近年來基于視頻的檢測和跟蹤方法作為一種無接觸的自動方法得到了廣泛的研究和應(yīng)用。其中，對顯微視頻圖像中細(xì)胞的正確識別和檢測對于實現(xiàn)疾病的診斷和預(yù)防有著非常重要的意義，而對基于圖像中的細(xì)胞運動的跟蹤研究對生物學(xué)研究和藥劑開發(fā)也有著重要的意義。
　　本文首先比較分析了常見的圖像中的目標(biāo)檢測與目標(biāo)追蹤方法，并根據(jù)現(xiàn)有的細(xì)胞顯微圖像的實際情況，采用運動對象的通量張量分割算法(Movi

2、ngObjectSegmentationUsingtheFluxTensor)及混合輪廓模型算法進(jìn)行目標(biāo)分割，而后引入多假設(shè)跟蹤算法完成了糾錯及跟蹤，系統(tǒng)地實現(xiàn)了從分割到追蹤的完整過程。主要工作如下:
　　首先，在目標(biāo)分割檢測方面，針對細(xì)胞視頻圖像對比度低及圖像中細(xì)胞形狀變化劇烈的特點，采用運動對象的通量張量分割算法分割了大尺度數(shù)字細(xì)胞分析系統(tǒng)(LargeScaleDigitalCellAnalysisSystem)所提供的細(xì)胞視

3、頻圖像。針對細(xì)胞發(fā)生分裂等導(dǎo)致的區(qū)域數(shù)量變化，采用混合輪廓模型算法對MCAK視頻圖像進(jìn)行了分割。對于粘連的細(xì)胞，本文對以上算法獲得的分割結(jié)果又進(jìn)一步采用了改進(jìn)的分水嶺算法進(jìn)行了分離，并根據(jù)面積閾值將過分割產(chǎn)生的區(qū)域進(jìn)行合并，減少了分水嶺算法造成的過分割數(shù)量。
　　其次，為了更好地實現(xiàn)細(xì)胞的跟蹤，針對細(xì)胞分割中仍存在的過分割和欠分割的問題，創(chuàng)新性地引入多假設(shè)跟蹤算法進(jìn)行糾錯。在糾錯算法中，將前后幀圖像中的細(xì)胞的對應(yīng)關(guān)系所構(gòu)建的拓?fù)浣Y(jié)

4、構(gòu)與閾值相結(jié)合，構(gòu)成假設(shè)發(fā)生的判定條件，對細(xì)胞的過分割和欠分割進(jìn)行了修正，使得糾正后的細(xì)胞形態(tài)學(xué)參數(shù)的精度有大幅提升。同時，實驗表明經(jīng)算法改進(jìn)后的拓?fù)浣Y(jié)構(gòu)被簡化，后續(xù)的追蹤及糾正的計算量降低、跟蹤結(jié)果更正確。
　　最后，本文針對Mean-Shift等一對一匹配算法難以解決細(xì)胞分裂造成目標(biāo)數(shù)量改變并且特征發(fā)生劇變的難題，再次引入多假設(shè)跟蹤算法，實現(xiàn)了細(xì)胞的有效跟蹤，所用的算法具有較好的適應(yīng)性和可擴展性。并根據(jù)本文的跟蹤結(jié)果對被跟蹤細(xì)