顯微視頻序列圖像中細胞的跟蹤.pdf

1、對細胞的研究是人類進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用。其中，對顯微視頻圖像中細胞的正確識別和檢測對于實現(xiàn)疾病的診斷和預防有著非常重要的意義，而對基于圖像中的細胞運動的跟蹤研究對生物學研究和藥劑開發(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檢測與目標追蹤方法，并根據現(xiàn)有的細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行目標分割，而后引入多假設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，在目標分割檢測方面，針對細胞視頻圖像對比度低及圖像中細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字細胞分析系統(tǒng)(LargeScaleDigitalCellAnalysisSystem)所提供的細胞視

3、頻圖像。針對細胞發(fā)生分裂等導致的區(qū)域數量變化，采用混合輪廓模型算法對MCAK視頻圖像進行了分割。對于粘連的細胞，本文對以上算法獲得的分割結果又進一步采用了改進的分水嶺算法進行了分離，并根據面積閾值將過分割產生的區(qū)域進行合并，減少了分水嶺算法造成的過分割數量。
　　其次，為了更好地實現(xiàn)細胞的跟蹤，針對細胞分割中仍存在的過分割和欠分割的問題，創(chuàng)新性地引入多假設跟蹤算法進行糾錯。在糾錯算法中，將前后幀圖像中的細胞的對應關系所構建的拓撲結

4、構與閾值相結合，構成假設發(fā)生的判定條件，對細胞的過分割和欠分割進行了修正，使得糾正后的細胞形態(tài)學參數的精度有大幅提升。同時，實驗表明經算法改進后的拓撲結構被簡化，后續(xù)的追蹤及糾正的計算量降低、跟蹤結果更正確。
　　最后，本文針對Mean-Shift等一對一匹配算法難以解決細胞分裂造成目標數量改變并且特征發(fā)生劇變的難題，再次引入多假設跟蹤算法，實現(xiàn)了細胞的有效跟蹤，所用的算法具有較好的適應性和可擴展性。并根據本文的跟蹤結果對被跟蹤細