多贝努利随机有限蚁群多细胞跟踪方法技术

本发明专利技术公开了一种多贝努利随机有限蚁群多细胞跟踪方法。首先，本发明专利技术提出了多贝努利随机有限蚁群，并给出了随机有限蚁群的存在概率及其对应的概率密度函数。在此基础上，本发明专利技术所涉及的技术将跟踪问题分为预测与更新阶段。在预测阶段，实现了信息素场和子蚁群状态从上一帧至下一帧的预测，并给出了预测阶段的多贝努利随机有限蚁群的存在概率及其离散的概率密度分布；在更新阶段，通过多贝努利随机有限子蚁群决策实现对信息素场更新，提取多细胞状态，从而实现对多细胞的精确跟踪。

【技术实现步骤摘要】
多贝努利随机有限蚁群多细胞跟踪方法
本专利技术属于细胞跟踪领域，更具体的涉及一种多贝努利随机有限蚁群多细胞跟踪方法。
技术介绍
对于细胞行为的定量分析需要可靠的自动跟踪技术，且能估计与细胞的状态及每个细胞的谱系树。人工跟踪目前仍然是实验室的主要手段，它有如下缺点，如：耗时、结果难复制、并行跟踪难等，所以自动跟踪技术是细胞跟踪近年来主要的主要研究热点。目前，多细胞跟踪大致分为三类，一是模型进化法，检测跟踪法和检测前跟踪法。模型跟踪法需要较高的时间精度，检测跟踪法对于细胞的密度和数据关联要求较高，而检测前跟踪法通过规避检测模块，直接对多细胞图像进行跟踪处理，由于避免了图像处理造成的信息丢失，且利用了时间与空间信息，跟踪精度大幅度提高，特别是针对低信噪比图像序列。由于目前的多细胞跟踪方法绝大多数针对特殊细胞序列，所以通用性不强。在密集、分情形下的多细胞跟踪，一直是该领域挑战性难题。目前，对于密集情形下的多细胞跟踪，主要有基于联合概率数据关联滤波器，交互式多模型方法和基于随机有限集方法，但这些方法一是要求有高的分割检测结果，二是有较为准确的细胞运动模型。对于细胞分裂情形，有概率模型法，空间拓扑近邻法等，这些方法一是依靠先验信息，二是设计专门的模型，使得这些方法很难适用于其他细胞数据。本专利技术要解决的技术问题是多细胞密集、分裂情形下精确跟踪。首先，本专利技术定义了多贝努利随机有限蚁群，并给出了随机有限蚁群的存在概率及其对应的概率密度函数。在此基础上，本专利技术所涉及的技术将跟踪问题分为预测与更新阶段。在预测阶段，实现了信息素场和子蚁群状态从上一帧至下一帧的预测，并给出了预测阶段的多贝努利随机有限蚁群的存在概率及其离散的概率密度分布；在更新阶段，通过多贝努利随机有限子蚁群决策实现对信息素场更新，提取多细胞状态，从而实现对多细胞的精确跟踪。蚁群：表示一个由多个蚂蚁所构成的集合，其中每个蚂蚁的决策行为是随机的，且行为简单，但蚂蚁个体间相互协作，可共同完成某个复杂任务。
技术实现思路
1、专利技术目的。本专利技术要解决的技术问题是多细胞密集、分裂情形下精确跟踪。首先，本专利技术定义了多贝努利随机有限蚁群，并给出了随机有限蚁群的存在概率及其对应的概率密度函数。在此基础上，本专利技术所涉及的技术将跟踪问题分为预测与更新阶段。在预测阶段，实现了信息素场和子蚁群状态从上一帧至下一帧的预测，并给出了预测阶段的多贝努利随机有限蚁群的存在概率及其离散的概率密度分布；在更新阶段，通过多贝努利随机有限子蚁群决策实现对信息素场更新，提取多细胞状态，从而实现对多细胞的精确跟踪。2、本专利技术所采用的技术方案。贝努利随机有限蚁群定义：单贝努利随机有限子蚁群：单贝努利随机有限子蚁群i，其状态表示为其为空集的概率为为单个蚁群存在概率，对应的离散分布为其中，w(i,j)代表第i子蚁群中第j个蚂蚁所对应的权重，δ表示狄拉克函数，表示第i子蚁群中第j个蚂蚁状态，为该子蚁群蚂蚁的个数；给定单贝努利随机有限子蚁群i的蚂蚁状态集合且所对应的信息素场τ(i)已知，其存在概率可表示为其中，s为面积积分变量，g(s)为启发式似然函数，Ri为子蚁群的影响区域，当蚂蚁均在此影响区域时，有其中，表示蚂蚁状态对应的信息素强度，表示蚂蚁状态对应的启发式似然函数；多贝努利随机有限蚁群：多贝努利随机有限蚁群状态的状态表示为Xa，它是由若干个独立的单贝努利随机有限子蚁群组成的并，若假设任一个子蚁群i状态为它的存在概率表示为所对应的离散分布为则有(∪表示并操作)，其对应的概率密度函数可表示为其中，π表示概率密度函数，为所估计多目标的数，N为多贝努利随机有限蚁群数，并有ij为整数，且在整数1和N之间取值，符号Π表示乘积运算，为蚂蚁数且为常数，则在联合影响区域里，存在概率表示为预测：这里的预测包括多贝努利随机有限子蚁群状态预测及其对应的信息素场预测。多贝努利随机有限子蚁群状态预测主要是下一帧蚁群开始搜索的初始位置，以便快速搜索到下一帧所感兴趣的细胞；信息素场的预测主要是考虑加速在当前帧信息素场的形成，同时使预测的蚁群在搜索时利用先验启发式信息，进行快速有效搜索。1.信息素场预测的具体步骤为：1)在某时刻k-1，子蚁群i所对应的信息素场具有高斯表达式其中，表示高斯分布，表示均值，表示方差。2)在下一时刻k，其对应的预测信息素场所形成的联合概率密度函数可表示为其中，表示所形成的预测信息素场i，n表示所生成的子预测信息素场数量，表示第j个子预测信息素场，其均值为(其中，fj,k|k-1(·)表示第j个状态转移函数)，方差为(其中，Aj为fj,k|k-1(·)的雅可比矩阵，εj,k表示过程噪声协方差矩阵)。2.多贝努利随机有限子蚁群状态预测公式为其中，表示子蚁群i中某蚂蚁在k-1时刻的状态，且Wk表示在k时刻的过程噪声，服从高斯分布在上述预测机制的基础上，得到如下结论假如某时刻k-1，后验的多目标概率密度函数可用多贝努利随机有限蚁群表示为则预测的多目标概率密度函数也可用多贝努利随机有限蚁群表示为其中，表示子蚁群i在k-1时刻存在概率，表示子蚁群i中蚂蚁状态对应的权重，表示预测的子蚁群i的存在概率，表示对应的子蚁群i中第个蚂蚁预测状态的权重，表示对应的子蚁群i中第个蚂蚁的预测状态，表示在k-1时刻对应的子蚁群i中蚂蚁个数，Nk-1表示在k-1时刻多贝努利随机有限子蚁群个数；表示在k时刻新生贝努利随机有限子蚁群i，表示在k时刻新生贝努利随机有限子蚁群i中第个蚂蚁状态的权重，表示在k时刻新生贝努利随机有限子蚁群i中第个蚂蚁的状态，表示在k时刻对应的新生子蚁群i中蚂蚁个数，NΓ,k表示在k时刻多贝努利新生随机有限子蚁群个数。更新：这里的更新针对上述得到预测信息素场和多贝努利随机有限子蚁群状态的更新，最终提取出多细胞的状态。3.蚂蚁的决策若预测子蚁群i中蚂蚁s在像素p上，它移动到像素q的概率为其中，表示像素q上的信息素场强度，g(q)表示在像素q上的启发式似然函数，参数α和β为常数，Np表示像素p的近邻像素集合。启发式似然函数g(q)定义为其中，Il表示归一化的灰度图像在像素l的强度值，表示以像素q为中心，以轮廓形状(是从上一时刻k-1针对贝努利随机有限子蚁群i所对应的信息素场所提取轮廓)为范围所包括的像素集合，符号|·|表示集合里元素的数目，min表示求小运算。一旦蚂蚁作为决策，则在所访问的像素上释放一定量的信息素，定义如下其中，ρ表示信息素挥发系数，ζ表示阈值常数。当所有蚂蚁完成决策，则针对图像中任一像素q，其信息素的更新为其中，表示在像素q上总的信息素输入，υ(i)(q)表示在像素q上总的信息素扩散输入，定义为其中，D表示扩散常系数，取值范围在(0,1)之间，exp表示指数函数，γ为控制常系数，||q-l||表示像素q和l之间的距离，Rq表示像素q的影响区域。在多贝努利随机有限蚁群多次迭代以及信息素的更新，得到相对稳定的信息素场和多贝努利随机有限蚁群当前的状态。根据上述得到的轮廓信息素场，进行二值化、形态学和填充三步简单处理，即可得到所需细胞轮廓。在上述更新机制的基础上，得到如下结论假如某时刻k，预测的多目标概率密度函数可用多贝努利随机有限蚁群表示为则后验的多目标概率密度函数也可用多贝努利随机有限蚁群表示为其中，为常数，本文档来自技高网...

【技术保护点】
1.一种用于细胞跟踪方法的多贝努利随机有限蚁群，其特征在于：单贝努利随机有限子蚁群：单贝努利随机有限子蚁群i，其状态表示为

【技术特征摘要】
1.一种用于细胞跟踪方法的多贝努利随机有限蚁群，其特征在于：单贝努利随机有限子蚁群：单贝努利随机有限子蚁群i，其状态表示为其为空集的概率为为单个蚁群存在概率，对应的离散分布为其中，w(i,j)代表第i子蚁群中第j个蚂蚁所对应的权重，δ表示狄拉克函数，表示第i子蚁群中第j个蚂蚁状态，为该子蚁群蚂蚁的个数；给定单贝努利随机有限子蚁群i的蚂蚁状态集合且所对应的信息素场τ(i)已知，其存在概率可表示为其中，s为面积积分变量，g(s)为启发式似然函数，Ri为子蚁群的影响区域，当蚂蚁均在此影响区域时，有其中，表示蚂蚁状态对应的信息素强度，表示蚂蚁状态对应的启发式似然函数；多贝努利随机有限蚁群：多贝努利随机有限蚁群状态的状态表示为Xa，它是由若干个独立的单贝努利随机有限子蚁群组成的并，若假设任一个子蚁群i状态为它的存在概率表示为所对应的离散分布为则有(∪表示并操作)，其对应的概率密度函数可表示为其中，π表示概率密度函数，为所估计多目标的数，N为多贝努利随机有限蚁群数，并有ij为整数，且在整数1和N之间取值，符号Π表示乘积运算，为蚂蚁数且为常数，则在联合影响区域里，存在概率表示为2.一种多贝努利随机有限蚁群多细胞跟踪方法，其特征在于使用如权利要求1所述的多贝努利随机有限蚁群进行多细胞跟踪，具体步骤为：预测步骤，包括多贝努利随机有限子蚁群状态预测及其对应的信息素场预测,多贝努利随机有限子蚁群状态预测下一帧蚁群开始搜索的初始位置，快速搜索到下一帧所感兴趣的细胞；信息素场的预测加速在当前帧信息素场的形成，同时使预测的蚁群利用先验启发式信息进行快速搜索；更新步骤，针对上述得到预测信息素场和多贝努利随机有限子蚁群状态的更新，通过随机有限子蚁群所形成的信息素场，提取细胞的状态与轮廓，并进行合并、删除操作，直至最后的细胞分裂判别与数据关联，实现多细胞的跟踪。3.根据权利要求2所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于：对于第一帧，无需预测步骤，只采用更新步骤，得到多贝努利随机有限蚁群的初始分布。4.根据权利要求2所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于所述的预测步骤中信息素场预测的具体步骤为：1)在某时刻k-1，子蚁群i所对应的信息素场具有高斯表达式其中，表示高斯分布，表示均值，表示方差；2)在下一时刻k，其对应的预测信息素场所形成的联合概率密度函数可表示为其中，表示所形成的预测信息素场i，n表示所生成的子预测信息素场数量，表示第j个子预测信息素场，其均值为(其中，fj,k|k-1(·)表示第j个状态转移函数)，方差为(其中，Aj为fj,k|k-1(·)的雅可比矩阵，εj,k表示过程噪声协方差矩阵)。5.根据权利要求2所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于所述的预测步骤中多贝努利随机有限子蚁群状态预测公式为其中，表示子蚁群i中某蚂蚁在k-1时刻的状态，且Wk表示在k时刻的过程噪声，服从高斯分布...

【专利技术属性】
技术研发人员：徐本连，陈庆兰，鲁明丽，施健，孙乙丹，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏,32