【技术实现步骤摘要】
一种面向双光子钙成像视频数据的自适应图像分割方法
本专利技术涉及视频数据挖掘
的一种图像处理方法，尤其涉及一种面向双光子钙成像视频数据的自适应图像分割方法。
技术介绍
双光子钙成像视频通常具有高分辨率、高帧数、高数位深度的特性。以美国艾伦脑科学研究院开源提供的小鼠脑神经双光子钙成像视频为例，单个视频中总帧数超过10万帧，每帧图像分辨率为512×512像素点，视频的数据容量超过56GB。如此巨量的数据，再加上视频中记录的脑神经元数量大、活动规律复杂，根本无法采用人工方法进行数据挖掘，因此必须研究设计一套高效的自动化数据挖掘方案。自适应图像分割方法就是一种可用于双光子钙成像视频自动化数据挖掘的技术。通过对双光子钙成像视频数据样本进行学习，先构建出视频的背景模型，再通过比较指定图像帧与背景模型的差异，即可快速准确地分割出指定图像帧中所有的活跃性神经元，进而实现对神经元活动状态的全自动实时监测，特别是实现对神经元异常状态的检测。然而，专门针对双光子钙成像视频的数据特性而设计的自适应图像分割方法目前还较少。现有方...
【技术保护点】
1.一种面向双光子钙成像视频数据的自适应图像分割方法，其特征在于方法包括以下步骤：/nS1：从双光子钙成像视频中选取第k帧到第n帧构建训练样本；/nS2：根据训练样本构建初始化的单模态背景模型；/nS3：对上述单模态背景模型的持续实时更新；/nS4：利用实时更新的单模态背景模型对实时输入的图像进行分割检测。/n
【技术特征摘要】
1.一种面向双光子钙成像视频数据的自适应图像分割方法，其特征在于方法包括以下步骤：
S1：从双光子钙成像视频中选取第k帧到第n帧构建训练样本；
S2：根据训练样本构建初始化的单模态背景模型；
S3：对上述单模态背景模型的持续实时更新；
S4：利用实时更新的单模态背景模型对实时输入的图像进行分割检测。
2.根据权利要求1所述的一种面向双光子钙成像视频数据的自适应图像分割方法，其特征在于：所述步骤S1包括以下步骤：
S11：选取双光子钙成像视频中的第k帧到第n帧，作为训练样本；
S12：对训练样本进行图像增强处理，具体对训练样本中所有像素点的值进行以下公式的图像增强变换：
其中，V代表双光子钙成像视频中像素值的值域上限值，I(x,y)为原始的图像中像素点(x,y)的像素值，J(x,y)为图像增强后的图像中像素点(x,y)的像素值；MAX表示训练样本中的全局最大图像像素值，MIN表示训练样本中的全局最小图像像素值。
3.根据权利要求1所述的一种面向双光子钙成像视频数据的自适应图像分割方法，其特征在于：所述步骤S2包括以下步骤：
S21：对视频中的每一个像素点(x,y)，计算生成像素点(x,y)位置上的初始化的单模态背景模型的中心值，方法如下：
(1)对视频四周边缘上的每一个像素点(x,y)，计算其在训练样本所有帧图像内的所有像素值J(x,y)k，J(x,y)k+1，...，J(x,y)n的中位数，J(x,y)k表示第k幅图像的像素点(x,y)的像素值，将该中位数作为像素点(x,y)位置上的初始化单模态背景模型中心值C(x,y)n；
(2)对视频中非四周边缘位置上的每一个像素点(x,y)，计算以该像素点为中心在训练样本所有幅图像内的3×3邻域内的所有像素值的中位数与众数，将该中位数作为像素点(x,y)位置上的初始化的单模态背景模型额中心值C(x,y)n；
S22：对视频中的每一个像素点(x,y)，计算生成像素点(x,y)位置上的初始化的单模态背景模型的半径值，计算方法如下：
其中，M和N分别为视频一帧图像的高与宽，Rn是像素点位置上的初始化单模态背景模型的半径值，z表示图像的序数；
S23：视频中每一个像素点(x,y)位置上的初始化的单模态背景模型结构如下：初始化的单模态背景模型是一个以C(x,y)n为中心值、Rn为半径的值域范围，表示为[C(x,y)n-Rn,C(x,y)n+Rn]；
S24：计...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。