基于烟花算法的多细胞跟踪方法技术

本发明专利技术提供了一种基于烟花算法的多细胞自动跟踪系统，通过烟花爆炸产生火花在图像序列中生成潜在细胞，然后根据适当的适应度函数与烟花搜索机制在图像中搜索匹配得到真正的细胞，最后应用最近邻关联完成细胞的跟踪。本发明专利技术提供的烟花算法跟踪系统能够精确跟踪多个细胞，对于多个数目未知且变化的细胞、不同动力学特性的细胞、近邻细胞，达到了精确的跟踪效果,跟踪稳定性高，虚警率、漏检率低。

【技术实现步骤摘要】

本专利技术提供了一种基于烟花算法的多细胞跟踪系统，属于细胞跟踪领域。
技术介绍
细胞是生物体的基本结构与功能单元，细胞的活动反映了有机生命的整个生物学过程，因此，对细胞行为分析的研究长久以来一直都受到医学领域的重点关注，，如病毒预防、药物开发、基因研究等。对细胞运动的传统分析方法是利用先进的医学仪器由专业人员进行人工观测，在处理大批量散布细胞图像时，仅仅采用肉眼进行长时间跟踪观测不仅枯燥费力，而且容易引起混淆。随着统计学、图像处理及计算机视觉技术的迅速发展，出现了许多细胞自动跟踪技术，相比人工细胞跟踪方法，能够克服耗时多、误差大、鲁棒性差等缺点。细胞的自动跟踪方法通常面临着很多难题，主要来自两个方面，一是细胞自身的复杂性，二是细胞图像采集的质量不稳定。细胞自身的复杂性一般指的是发生在细胞全生命周期内的各种复杂活动，如细胞的分裂、死亡、进入、离开引起观测区域内细胞数量的变化，细胞碰撞、形变、近邻、重叠(遮挡)等。细胞图像采集的质量不稳定通常是指由于生物体的呼吸而引起的颤抖、细胞进入或离开共焦平面等造成图像对比度发生变化，使得采集的图像质量下降，即图像具有较低的信噪比(SNR)或对比度。目前文献报道的细胞自动跟踪方法可以分为两类，基于检测的跟踪方法与基于贝叶斯滤波的跟踪方法。基于检测的细胞跟踪方法将检测与跟踪相互独立起来：在检测步骤中，把每一帧图像中的细胞从图像背景中分割出来，可同时得到细胞的数目和各细胞的状态。常用的检测方法包括阈值法、背景建模、分水岭算法等。在跟踪步骤中，将连续两帧或多帧中检测到的细胞进行数据关联，即可得到细胞的运动轨迹。常用的关联方法主要有最近邻法、多假设检验等。基于检测的跟踪方法通常运行效率比较高，但在很多情况下，如图像中细胞密度很大、细胞分裂和发生分割错误时，此类跟踪方法很可能会失效。基于贝叶斯滤波的细胞跟踪方法根据细胞的先验信息采用贝叶斯递归，在细胞图像序列中不断对细胞运动进行预测与更新，可以更好地利用时序信息、细胞动力学等特性。粒子滤波器(PF)常被用于细胞跟踪，但是在估计细胞在当前帧的后验概率密度之前，需要知道观测模型和细胞运动模型。Juang将混合高斯概率假设密度(GM-PHD)滤波器应用于多细胞跟踪，在对细胞宗谱的研究中能够很好地跟踪出细胞的世系及细胞的运动情况。Rezatofighi提出了LGJMS-PHD滤波器的一个闭式解，包含了状态独立的转移概率和分裂转移概率，显著提升了存在大量细胞和检测噪声的图像处理效率。基于贝叶斯滤波的跟踪方法相比于基于检测的跟踪方法能够更好地利用时空信息，特别是在低质量的细胞图像数据中能得到更加鲁棒的跟踪结果。
技术实现思路
1、本专利技术所要解决的问题。本专利技术旨在解决在低对比图图像序列下多细胞的自动跟踪难题，即对多细胞动力学特性存在差异，细胞数目时变，细胞近邻等情形，在无需细胞检测模块，无需大量的细胞训练样本的前提下，通过烟花爆炸与变异操作，建立合理的位置搜索机制，解决多细胞的自动跟踪问题。2、本专利技术所采用的技术方案：本专利技术提出的基于烟花算法的多细胞跟踪方法，按照如下步骤进行：(1)烟花的初始化，在图像区域内初始化烟花即细胞的位置；(2)建立基于烟花算法的适应度函数；(3)通过烟花搜索策略更新细胞位置；(4)细胞跟踪结束即收敛条件。更进一步具体实施例中，所述的步骤(1)中烟花的初始化：在每帧图像区域内初始化N个烟花(细胞)位置并设定烟花最大爆炸半径与爆炸规模Me。更进一步具体实施例中，所述的步骤(2)中，基于烟花算法的适应度函数：潜在细胞个体的适应度函数定义为其中用于度量预测细胞与模板之间的距离；up(j)为潜在细胞x直方图up的第j个分量，是模板库T中的第j个分量，n为直方图分量数目，|T|表示T的势，为模板中直方图的数量，α,β,γ,ξ为调节因子。更进一步具体实施例中，所述的步骤(3)中细胞位置通过烟花操作完成更新：根据爆炸算子计算爆炸规模其中f(xi)为烟花(潜在细胞)xi的适应度，si为该烟花产生火花的数目，Me为爆炸规模上限，用于控制生成潜在细胞的总体数目，ymax＝max(f(xi))(i＝1,2,...,N)，表示当前最差的适应度。ξ为一极小的常数，用于避免分母出现零的情况。进一步计算烟花的爆炸半径：其中Ai为烟花xi的爆炸半径，为所有烟花最大爆炸半径，ymin＝min(f(xi))(i＝1,2,...,N),表示当前潜在细胞的最佳适应度。随机选取烟花的维度进行爆炸操作产生火花，完成对细胞位置的更新其中r为[-1,1]之间均匀分布的随机数，k为细胞xi发生爆炸的维度。随机选取火花的维度进行高斯变异操作：其中e为[0,1]之间高斯分布的随机数,k为发生变异的维度，xBest为当前适应度最优的细胞。更进一步具体实施例中，所述的步骤(4)中收敛条件：当火花的适应度大于设定阈值T1，或者达到最大迭代次数MI，则结束本次搜索。若潜在细胞的适应度f(xi)>T1，则表示跟踪到细胞，否则，标记本次搜索结果为杂波。当连续若干次的搜索皆为杂波时，认为当前帧中的所有细胞已被跟踪。3、采用本专利技术提供的系统，具有以下特点：1)本专利技术提供的烟花算法跟踪系统能够精确跟踪多个细胞。2)本专利技术首次利用烟花算法解决多细胞跟踪问题，对于多个数目未知且变化的细胞、不同动力学特性的细胞、近邻细胞，达到了精确的跟踪效果。3)本专利技术所提供系统的跟踪稳定性高，虚警率、漏检率低。附图说明图1本系统结构图；图2细胞跟踪的原始图像序列1；图3细胞跟踪的原始图像序列2；图4细胞跟踪结果(1)细胞序列1，图5细胞跟踪结果(2)细胞序列2。具体实施方式本专利技术提出了一种基于烟花算法的多细胞自动跟踪方法，通过烟花爆炸产生火花在图像序列中搜索并发现细胞。所述系统对于每一帧图像首先通过烟花初始化得到潜在细胞的初始状态，然后根据适当的适应度函数与烟花搜索策略在图像中搜索匹配得到真正的细胞。对于跟踪结果，若不能关联到已存在细胞，则认为发现一个新细胞；若连续若干次的搜索皆为杂波，则认为当前帧中的所有细胞已被跟踪。图1为本系统的结构图。如图1所示，针对图2和图3的原始细胞(T细胞)图像序列每一帧原始图像，首先在图像区域内初始化烟花(细胞)位置，之后通过烟花爆炸与变异操作对当前帧的潜在细胞反复进行搜索。最后对搜索到细胞的个体适应度进行阈值判断，用最近邻法实现细胞跟踪结果的输出。步骤为：1)烟花的初始化：在每帧图像区域内初始化N个烟花(细胞)位置并设定烟花最大爆炸半径与爆炸规模Me。2)基于烟花算法的适应度函数：潜在细胞个体的适应度函数定义为其中用于度量预测细胞与模板之间的距离；up(j)为潜在细胞x直方图up的第j个分量，是模板库T中的第j个分量，n为直方图分量数目，|T|表示T的势，为模板中直方图的数量，α,β,γ,ξ为调节因子。3)细胞位置通过烟花操作完成更新：根据爆炸算子计算爆炸规模其中f(xi)为烟花(潜在细胞)xi的适应度，si为该烟花产生火花的数目，Me为爆炸规模上限，用于控制生成潜在细胞的总体数目，ymax＝max(f(xi))(i＝1,2,...,N)，表示当前最差的适应度。ξ为一极小的常数，用于避免分母出现零的情况。进一步计算烟花的爆炸半径：其中Ai为烟花xi的爆炸半径，本文档来自技高网...

【技术保护点】
一种基于烟花算法的多细胞跟踪方法，其特征在于按照如下步骤进行：(1)烟花的初始化，在图像区域内初始化烟花即细胞的位置；(2)建立基于烟花算法的适应度函数；(3)通过烟花搜索策略更新细胞位置；(4)细胞跟踪结束即收敛条件。

【技术特征摘要】
1.一种基于烟花算法的多细胞跟踪方法，其特征在于按照如下步骤进行：(1)烟花的初始化，在图像区域内初始化烟花即细胞的位置；(2)建立基于烟花算法的适应度函数；(3)通过烟花搜索策略更新细胞位置；(4)细胞跟踪结束即收敛条件。2.根据权利要求1所述的多细胞跟踪方法，其特征在于：所述的步骤(1)中烟花的初始化：在每帧图像区域内初始化N个烟花(细胞)位置并设定烟花最大爆炸半径与爆炸规模Me。3.根据权利要求1所述的多细胞跟踪方法，其特征在于：所述的步骤(2)中，基于烟花算法的适应度函数：潜在细胞个体的适应度函数定义为其中用于度量预测细胞与模板之间的距离；up(j)为潜在细胞x直方图up的第j个分量，是模板库T中的第j个分量，n为直方图分量数目，|T|表示T的势，为模板中直方图的数量，α,β,γ,ξ为调节因子。4.根据权利要求1所述的多细胞跟踪方法，其特征在于：所述的步骤(3)中细胞位置通过烟花操作完成更新：根据爆炸算子计算爆炸规模其中f(xi)为烟花(潜在细胞)xi的适应度，si为该烟花产生火花的数目，...

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