低信噪比圖像序列多細(xì)胞跟蹤技術(shù)研究.pdf

1、隨著數(shù)字圖像處理技術(shù)的飛速發(fā)展，顯微鏡視頻圖像序列中細(xì)胞的自動(dòng)識(shí)別與跟蹤技術(shù)得到了廣泛的研究，并推動(dòng)了如藥物開發(fā)、疾病診斷和治療等領(lǐng)域的發(fā)展。本文研究低信噪比多細(xì)胞圖像序列中的多細(xì)胞跟蹤方法，針對(duì)局部圖像明暗不均勻、背景和前景對(duì)比度低以及存在大量噪聲的低信噪比細(xì)胞圖像，分別研究基于隨機(jī)有限集(Random Finite Sets，RFS)跟蹤理論和基于群智能(Swarm Intelligence，SI)的多細(xì)胞跟蹤方法，以求用隨機(jī)性的跟

2、蹤方法得到精確和穩(wěn)定的跟蹤結(jié)果，并構(gòu)建了包含多種隨機(jī)性跟蹤方法的多細(xì)胞跟蹤集成軟件系統(tǒng)。
　　自隨機(jī)有限集理論應(yīng)用于多目標(biāo)跟蹤后，就成為多目標(biāo)跟蹤領(lǐng)域研究的熱點(diǎn)。針對(duì)隨機(jī)有限集框架下的兩種多細(xì)胞跟蹤方法（即高斯混合概率假設(shè)密度函數(shù)濾波器和多貝努利濾波器）缺乏定量的跟蹤性能比較，本文在高斯混合概率假設(shè)密度函數(shù)濾波器跟蹤方法中設(shè)計(jì)了一種簡(jiǎn)易的細(xì)胞檢測(cè)方法，在多貝努利濾波器跟蹤方法中使用一種基于RGB直方圖的細(xì)胞似然函數(shù)，把兩種跟蹤方法

3、在同一細(xì)胞圖像序列中進(jìn)行實(shí)驗(yàn)，分析兩種方法的異同，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行定量比較，為低信噪比圖像中這兩種隨機(jī)有限集多細(xì)胞跟蹤方法的選擇提供依據(jù)。
　　群智能是基于生物群體行為規(guī)律的技術(shù)，粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）是其中一種典型方法。本文提出了基于PSO的多細(xì)胞自動(dòng)跟蹤技術(shù)，以得到位置與輪廓的精確跟蹤；構(gòu)建兩種不同的PSO跟蹤模型以分別得到新生細(xì)胞和已存在細(xì)胞質(zhì)心的粗略位置，然后在此基

4、礎(chǔ)上設(shè)計(jì)了一種 PSO的輪廓跟蹤模型，用迭代的方式估計(jì)出細(xì)胞輪廓和精確的細(xì)胞質(zhì)心。并引入了一種高斯模型，在細(xì)胞近鄰或發(fā)生碰撞時(shí)跟蹤效果良好。在實(shí)驗(yàn)仿真中，分別與多貝努利跟蹤方法和蟻群跟蹤方法進(jìn)行比較，具有更高的跟蹤精度，并能應(yīng)對(duì)更加復(fù)雜的細(xì)胞環(huán)境。
　　最后，構(gòu)建了多細(xì)胞跟蹤集成軟件系統(tǒng)，集成了包含本文所提出的跟蹤方法在內(nèi)的幾類隨機(jī)性多細(xì)胞自動(dòng)跟蹤方法，可分為三類：基于隨機(jī)有限集理論的方法，基于粒子濾波器的方法和基于群智能方法。此