一种基于多任务蚂蚁系统的多细胞自动跟踪方法及其系统技术方案

本发明专利技术公开了一种基于多任务蚂蚁系统的多细胞自动跟踪方法及其系统，多个任务蚂蚁系统既独立又相互协作工作；每个独立任务蚂蚁系统模块对应于一个细胞跟踪,并用一个对应的变量来描述其任务完成概率；对于每个独立蚂蚁系统，蚂蚁个体状态先通过蚂蚁模型概率和似然函数值来确定，再通过局部调整模块进行状态局部调优；对于蚂蚁系统协作层，在定义了一种有效的似然函数基础上，通过相互交换信息方式找出当前多个蚂蚁群系统中最佳直方图模板来更新模板直方图库，并进一步更新每个蚂蚁的模型概率、权重、影响区域和每个蚂蚁系统任务完成概率，最终给出细胞状态估计。本发明专利技术基于多任务蚂蚁系统的多细胞自动跟踪方法及其系统，能够实现多种、具有不同动力学特征参数、近距离移动、细胞数量时变的多细胞自动跟踪难题。

【技术实现步骤摘要】

本专利技术涉及多细胞跟踪领域，特别是涉及一种基于多任务蚂蚁系统的多细胞自动跟踪方法及其系统。
技术介绍
多细胞运动分析对于生物细胞学过程分析、疾病的诊断、新药物的研制是必不可少的手段之一。细胞运动分析面临着众多难题，如细胞变形，多细胞动力学特性差异、细胞重叠、细胞数量变化、低对照比细胞图像序列等等。目前细胞跟踪的方法主要分为三类，分别是基于模型扩散方法、基于检测方法和基于贝叶斯概率估计技术。模型扩散技术主要代表是主动轮廓法(Active contours),同时也是一种较早的细胞跟踪技术,但该方法针对细胞运动慢的情形有效，一般要求相邻帧同一细胞轮廓之间部分重合；水平集方法(Levelset)能处理细胞变形问题，但是很容易将两个接触细胞误认为一个细胞；平均平移法 (Mean-shift)能快速处理细胞跟踪问题，但是不能给出细胞轮廓信息。基于检测方法虽然方法有效，但对于多细胞跟踪，需要解决数据关联问题，误关联很容易造成细胞跟踪丢失。基于贝叶斯概率估计技术是近年来发展的一种新型多目标跟踪技术，代表了未来多细胞跟踪技术的发展方向，一般以基于随机有限集(RFS)的概率假设密度滤波器(PHD 本文档来自技高网...

【技术保护点】
一种基于多任务蚂蚁系统的多细胞自动跟踪方法，其特征在于，具体步骤包括：（100）、初始化：设定多任务蚂蚁系统中的蚂蚁个体在图像中的初始状态分布；初始设定每个蚂蚁系统任务完成概率；初始直方图模板库构建；设定蚂蚁个体最大、最小活动影响区域，模型概率与权重；?（200）、跟踪：多个任务蚂蚁系统对细胞进行跟踪，每个独立蚂蚁系统对应一个细胞的跟踪；（300）、找出每个独立蚂蚁系统中的最佳直方图；（400）、更新直方图模板库：从上述的多个蚂蚁系统中找到最佳直方图；若当前最佳直方图与直方图模板库的平均相似度超过预设阈值，则该最佳直方图序列加入当前直方图模板库，为下一次迭代计算所用；（500）、筛选蚂蚁系统：...

【技术特征摘要】

【专利技术属性】
技术研发人员：徐本连，陈庆兰，鲁明丽，毛丽民，朱培逸，王小英，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：