顯微視頻序列圖像中細(xì)胞的跟蹤.pdf

1、對(duì)細(xì)胞的研究是人類進(jìn)行微觀世界探索的一個(gè)重要且有效的手段，近年來(lái)基于視頻的檢測(cè)和跟蹤方法作為一種無(wú)接觸的自動(dòng)方法得到了廣泛的研究和應(yīng)用。其中，對(duì)顯微視頻圖像中細(xì)胞的正確識(shí)別和檢測(cè)對(duì)于實(shí)現(xiàn)疾病的診斷和預(yù)防有著非常重要的意義，而對(duì)基于圖像中的細(xì)胞運(yùn)動(dòng)的跟蹤研究對(duì)生物學(xué)研究和藥劑開(kāi)發(fā)也有著重要的意義。
　　本文首先比較分析了常見(jiàn)的圖像中的目標(biāo)檢測(cè)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(shí)際情況，采用運(yùn)動(dòng)對(duì)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(cuò)及跟蹤，系統(tǒng)地實(shí)現(xiàn)了從分割到追蹤的完整過(guò)程。主要工作如下:
　　首先，在目標(biāo)分割檢測(cè)方面，針對(duì)細(xì)胞視頻圖像對(duì)比度低及圖像中細(xì)胞形狀變化劇烈的特點(diǎn)，采用運(yùn)動(dòng)對(duì)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(duì)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(duì)MCAK視頻圖像進(jìn)行了分割。對(duì)于粘連的細(xì)胞，本文對(duì)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(guò)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(guò)分割數(shù)量。
　　其次，為了更好地實(shí)現(xiàn)細(xì)胞的跟蹤，針對(duì)細(xì)胞分割中仍存在的過(guò)分割和欠分割的問(wèn)題，創(chuàng)新性地引入多假設(shè)跟蹤算法進(jìn)行糾錯(cuò)。在糾錯(cuò)算法中，將前后幀圖像中的細(xì)胞的對(duì)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(duì)細(xì)胞的過(guò)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(shí)，實(shí)驗(yàn)表明經(jīng)算法改進(jìn)后的拓?fù)浣Y(jié)構(gòu)被簡(jiǎn)化，后續(xù)的追蹤及糾正的計(jì)算量降低、跟蹤結(jié)果更正確。
　　最后，本文針對(duì)Mean-Shift等一對(duì)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(shí)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(kuò)展性。并根據(jù)本文的跟蹤結(jié)果對(duì)被跟蹤細(xì)