多目標跟蹤技術(shù)在豬精子質(zhì)量分析中的研究.pdf

1、密級桂林電子科技大學碩士學位論文題目多目標跟蹤技術(shù)在豬精子質(zhì)量分析中的研究（英文）（英文）ResearchofMultitargettrackingTechnologyinPigSpermAnalysis研究生學號:122031401研究生姓名:雷茜茜指導教師姓名、職務指導教師姓名、職務:黃文明教授申請學位門類:工學碩士學科、專學科、專業(yè)名稱:軟件工程提交論文日期:2015年4月論文答辯日期:2015年6月摘要I摘要在計算機圖像處理、計

2、算機視覺以及模式識別領域中，多目標跟蹤技術(shù)一直以來都是人們研究的熱點。對采集圖像序列進行多目標跟蹤的過程包括目標提取、遮擋目標的分割識別、目標特征分析和目標位置預測等。計算機科學技術(shù)的快速發(fā)展，使得多目標跟蹤技術(shù)在軍事、醫(yī)學圖像識別及航空航天等領域的應用范圍越來越廣。利用多目標跟蹤技術(shù)實現(xiàn)計算機輔助精子質(zhì)量檢測，能夠克服傳統(tǒng)人工檢測耗時費力、主觀性強和精度無法保障等缺點。因此，研究如何利用多目標跟蹤算法簡單、快速、準確地實現(xiàn)對運動精子目

3、標跟蹤具有十分重要的意義。本文在現(xiàn)有的研究基礎上，提出了改進的Hankel總體最小二乘法。本文的主要工作內(nèi)容如下：一、首先介紹了計算機輔助動物精子質(zhì)量分析的研究現(xiàn)狀，分析了此系統(tǒng)的優(yōu)點和存在的問題，并對課題的研究背景和意義進行了描述；然后探討了如區(qū)域跟蹤算法、MeanShift算法和卡爾曼濾波算法等幾種經(jīng)典多目標跟蹤算法的基本原理和各自的優(yōu)缺點，并針對精子的運動特性，分析研究這些算法對動物精子的適用性。二、分析研究了現(xiàn)有的圖像分割算法和

4、目標識別方法，采用卡爾曼Otsu算法對精子圖像序列進行分割。對分割后的精子圖像，利用數(shù)學形態(tài)學方法分割粘連精子，并利用形狀因子去除雜質(zhì)，然后進行編號定位，為實現(xiàn)對精子的有效跟蹤做準備。三、針對動物精子圖像中精子的外觀不可用導致跟蹤難度增大、目標遮擋和運動軌跡長度不定等降低跟蹤準確率等問題，本文提出利用以目標運動狀態(tài)為跟蹤線索的Hankel總體最小二乘法(Hankeltotalleastsquare)對精子進行跟蹤。為提高跟蹤速度，本文結(jié)

5、合最近鄰算法快速簡單的特點，提出了改進的Hankel總體最小二乘法：首先采用最近鄰算法預測精子在下一幀的位置，以此位置為搜索區(qū)域中心建立搜索區(qū)域，然后利用Hankel總體最小二乘法從區(qū)域中心開始依次計算精子的運動相似度，至相似度為1時停止計算，以此減少相似度的匹配范圍，最后實現(xiàn)了快速跟蹤。論文對各算法進行了仿真實驗，結(jié)果表明，改進算法的跟蹤速度比Hankel總體最小二乘法更快，實現(xiàn)了對豬精子運動軌跡的有效跟蹤。關鍵詞：關鍵詞：精子；圖像