本发明专利技术提供了一种基于图像背景提取前提的蚁群多细胞跟踪系统，其特征在于对截取的原始图像区域，通过三个模块：先验蚁群分布模块、多蚁群重构模块、细胞身份管理与状态提取模块的分析，实现多细胞的自动跟踪。本发明专利技术具有以下有点：1）能精确跟踪多细胞，且跟踪稳定性高，虚警率、漏检率远远小于REZA教授提出的无需检测环节的多贝努利滤波器方法；2）能同时自动跟踪多个不同动力学特性的细胞，且能精确跟踪距离相近的多细胞；其是首次用蚁群技术中各方法解决多细胞自动快速跟踪问题。
【技术实现步骤摘要】
本专利技术涉及一种多细胞跟踪系统，特别是一种蚁群多细胞跟踪系统。
技术介绍
在过去的几十年里，生物成像技术的迅速发展为人类的健康提供了坚实的技术保证，如荧光显微成像技术为研究细胞内的动力学行为提供了可能，用荧光蛋白粉对所感兴趣的细胞内的结构进行标记并跟踪，在所形成的细胞“生命”历史纪录中来获取细胞的速度、加速度和强度变化等信息，从而有助于细胞迁徙等相关细胞生物学的研究。例如，脊椎动物的神经嵴细胞在胚胎期会不断从背侧向腹侧移行，若出现突变，患者的体色、血细胞供应和性细胞的形成都会出现异常(患者额头出现“白斑”)。由此可见，分析细胞迁徙运动有助于掌握导致人类疾病的原因，并研究相关的治疗方法。细胞跟踪技术是研究细胞动力学行为最有效的工具之一，无论是在信息科学领域还是在生命科学领域都是一个极具挑战性且应用性很强的课题。本专利技术拟用蚂蚁群智能搜索行为对多细胞运动特性进行研究，设计相应的多细胞自动跟踪技术。该技术与目前广泛应用的人工细胞跟踪方法相比，它能够克服耗时多、误差大、鲁棒性差等缺点。同时，该项研究成果将有助于理解疾病发生的机制，提高药物的研制效率。以白细胞为例，白细胞的滚动速度和数量也与炎症的轻重有着直接的关系，如在炎症发生时，E-selectin抑制剂能增加滚动白细胞的速度，滚动速度的增加也间接表明了白细胞与发炎的血管内皮层之间的依附作用减弱和炎症的加重。定性和定量地描述细胞的运动特性不仅能预测相关疾病，也能为新医药的研制提供相应的依据和方向。近年来，虽然众多学者做了大量相关研究，但仍有些原因制约着多细胞跟踪技术的发展:I)有些细胞会产生相应的变形，也就是说所跟踪的目标是一个变形体，而非刚体，因此，它不同于传统的点目标跟踪情形，需要考虑细胞的形状和大小。2)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造成对比度的变化，使得所获取的图像质量下降，加大了细胞跟踪的难度。3)细胞数目随时间的变化，且在运动过程中会出现靠近或交叉等现象；上述多种不确定性因素，有些属于细胞跟踪领域所特有(如细胞的变形等)，有些与雷达、声纳目标跟踪相类似(如目标数目随时间的变化等)。但同时，这些不确定性因素的存在也给多细胞的自动跟踪技术的研究带来了新挑战，如何给出一种可靠的、智能的、自动的多细胞跟踪技术来解决上述问题。在细胞跟踪领域，通常把细胞图像的分割技术作为细胞跟踪的子问题和预处理技术。目前研究细胞运动分析方法可分为两种:一是基于分割技术的跟踪方法，该方法分为分割与跟踪两步，分割的任务就是在每帧中提取细胞信息(外形和重心等)，跟踪的任务就是将多帧中所提取的细胞进行关联，找出各细胞的运动轨迹和计算各细胞速度等等，可以看出，此跟踪方法完全基于细胞的轮廓信息，只有当所获取的细胞轮廓清晰且不确定性非常小时，此跟踪方法才具有较高的跟踪精度；另外一种则是基于模型调整或变化的跟踪方法，该方法主要应用于细胞的轮廓信息难以提取等场合，它将给定的细胞初始外形轮廓，通过参数优化方法使之变形来拟合图像中的目标对象，通常所用的主动轮廓法(即Snake方法)、水平集方法(Level-Set)和均值偏移法(Mean-Shift)都属于此类跟踪方法。一般来说，若细胞的轮廓信息容易提取或分割，那么基于分割技术的跟踪方法是首选；当然，基于模型调整或变化的跟踪方法也适用于此类情形，但缺点是耗时(源于优化思想)，特别是对于多个细胞跟踪问题。对于基于分割技术的跟踪方法，若细胞的轮廓清晰，用阈值方法就可以将细胞从背景中提取出来，如ISODATA算法能有效地将灰度图像进行分割，然而此方法不能有效分割互相接触的多细胞。而分水岭方法(Watershed)是解决此类难题的有效方法，最早的分水岭方法是用区域最小或最终腐蚀点(Ultimate Eroded Points)来作为起始点的,然而此方法容易产生过分割现象，为此，可用基于连通的合并方法和基于形状和尺寸大小的合并方法来将过分割产生的小的碎片进行合并。基于标记点控制的分水岭方法能有效解决过分割现象，此方法的关键是标记点的提取。对于当前帧经过分割产生的细胞，将其与上一帧相应的细胞进行关联就会产生细胞运动的轨迹，关联方法有最近邻方法，平滑运动模型方法和JPDA方法等等。对于基于模型调整或变化的跟踪方法，主动轮廓方法(又称Snake方法)是这一方法的代表，它是用参数或非参数的封闭或半封闭曲线在图像平面上移动从而提取目标的轮廓。基于边缘主动轮廓跟踪方法一般要对细胞的运动速度大小进行了约束，这样对于快速细胞的跟踪显得无能为力。而修正的梯度矢量流方法(MGVF)可改进传统的基于梯度的Snake方法，将细胞的速度提升了两倍。值得注意的是，MGVF只利用了白细胞的边缘信息。基于水平集的(Level-Set)细胞跟踪方法能跟踪形变细胞，但很容易将两接触的细胞合并为一个轮廓。Mean-Shift矢量指向概率密度梯度方向，所以其算法本质上是一个自适应的梯度上升搜索峰值的方法，因此，它可应用于聚类、模态的检测和最优化，其中应用于最优化的一个典型代表即是目标跟踪。REZA教授提出的先于测量的多细胞跟踪技术经常出现细胞的漏检和虚警，跟踪的精确性和稳定性都不足，细胞跟踪的性能同时还取决于大量的细胞训练样本，对于多细胞的动力学特性的差异，其跟踪性能未加以研究等等。本专利技术旨在解决当细胞动力学特性存在差异、细胞发生变形，细胞数目时变，近距离细胞等跟踪难题，无需细胞检测模块，无需大量的细胞训练样本，通过合理利用蚁群智能之间的相互协作，解决上述细胞跟踪难题。主要术语: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。背景提取:背景提取是一种将所感兴趣的目标从图像场景中提取出来的一种技术，它可以将一幅观测到的图像与一幅没有包括所感兴趣目标的估计图像进行比较，在某个比较区域内，若两者比较结果差异较大时，则表明所感兴趣的目标很可能出现在该区域。
技术实现思路
本专利技术要解决的技术问题是提供一个鲁棒的、精确的、基于图像背景提取前提的蚁群多细胞跟踪系统。为解决上述技术问题，本专利技术提供的蚁群多细胞跟踪系统通过截取感兴趣的原始图像区域，通过三个模块(如附图说明图1所示):先验蚁群分布模块、多蚁群重构模块、细胞身份管理与状态提取模块分析，最后实现多细胞的自动跟踪。先验蚁群分布模块依图像背景概率估计结果将蚁群按概率分布在细胞最可能出现的区域；多蚁群重构模块是根据启发式直方图性和信息素大小将蚁群进行重新分配，并形成相应的信息素场；细胞身份管理与状态提取模块是通过快速蚁群聚类算法来提取细胞的数目与状态，并通过某细胞对应的蚁群中有身份识别属性和无身份识别属性的蚂蚁比例来确定该细胞的身份属性。所述先验蚁群分布模块旨在给出蚁群的初始分布，其实现是通过一种有效的细胞图像背景提取技术，具体步骤为:I)色彩空间转换:对于视频任一帧RGB图像，像素i的RGB强度可表示为Zi (k) = [Ri (k)，Gi (k)，Bi (k) ]τ，其对应的rgl色彩强度ζ ⑷=[/;⑷名⑷,/,(伙可表示为:T1 (k) =Ri (k) / (Ri (k) +Gi (k) +Bi (k))gi (k) =Gi (k) / (R本文档来自技高网...
【技术保护点】
一种基于图像背景提取前提的蚁群多细胞跟踪系统，其特征在于对截取的原始图像区域，通过三个模块：先验蚁群分布模块、多蚁群重构模块、细胞身份管理与状态提取模块的分析，实现多细胞的自动跟踪；所述先验蚁群分布模块根据原始图像背景概率估计结果将蚁群按概率分布在细胞最可能出现的区域；所述多蚁群重构模块根据启发式直方图性和信息素大小将蚁群进行重新分配，并形成相应的信息素场；所述细胞身份管理与状态提取模块通过快速蚁群聚类算法来提取细胞的数目与状态，并通过某细胞对应的蚁群中有身份识别属性和无身份识别属性的蚂蚁比例来确定该细胞的身份属性。
【技术特征摘要】
1.一种基于图像背景提取前提的蚁群多细胞跟踪系统，其特征在于对截取的原始图像区域，通过三个模块:先验蚁群分布模块、多蚁群重构模块、细胞身份管理与状态提取模块的分析，实现多细胞的自动跟踪；所述先验蚁群分布模块根据原始图像背景概率估计结果将蚁群按概率分布在细胞最可能出现的区域；所述多蚁群重构模块根据启发式直方图性和信息素大小将蚁群进行重新分配，并形成相应的信息素场；所述细胞身份管理与状态提取模块通过快速蚁群聚类算法来提取细胞的数目与状态，并通过某细胞对应的蚁群中有身份识别属性和无身份识别属性的蚂蚁比例来确定该细胞的身份属性。2.权利要求1所述的蚁群多细胞跟踪系统，其特征在于所述先验蚁群分布模块旨在给出蚁群的初始分布，其通过细胞图像背景提取技术实现，具体步骤为: 1)色彩空间转换:对于视频任一帧RGB图像，像素i的RGB强度可表示为Zi (k) = [R, (k)，Gi (k)，Bi (k)]T,其对应的rgl色彩强度式(幻=[辦)名(幻4(幻f可表示为: T1 (k) =Ri (k) / (Ri (k) +Gi (k) +Bi (k)) gi (k) =Gi (k) / (Ri (k) +Gi (k) +Bi (k))； = (k)+Gi (k)+Bi (k) )/256 ...
【专利技术属性】
技术研发人员：徐本连，陈庆兰，鲁明丽，毛丽民，施健，其他发明人请求不公开姓名，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：
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。