一种高粘连度细胞环境下的多细胞同步跟踪方法

摘要

本发明属于细胞跟踪领域，公开了一种高粘连度细胞环境下的多细胞同步跟踪方法。细胞序列图像中，多细胞的分割和同步跟踪是一个尚未解决的难题，尤其在高粘连度情况下多细胞细胞与分割，更加迫切需要解决。本发明首先提出了一种改进的基于分水岭和多特征匹配的分割算法实现细胞分割，然后，建立适用于卡尔曼滤波的运动模型并加入多特征匹配实现细胞的预测和跟踪。通过实验验证本发明提出的方法是有效的，其中，序列帧细胞分割的平均有效率为94.4%，跟踪效果优于现有技术中的跟踪方法。

主权项

1.一种高粘连度细胞环境下的多细胞同步跟踪方法，其特征在于包括细胞分割和多细胞跟踪两大步骤：其中细胞分割包括以下步骤：1a、灰度图生成：读入第i帧图像，经过变换成为灰度图；1b、灰度图像预分割：通过扩展极小变换实现预分割，得到粗糙分割二值图像；1c、距离变换：对步骤1b所述的分割后的二值图像取反并进行距离变换；1d、使用分水岭方法完成簇分割，得到基本连通区域；1e、消除噪声：将对象细胞的面积、离心率、矩形度、拉伸度特征进行匹配，实现细胞分割过滤剔除细胞特征相异的对象；1f，分割好的当前图像后，返回步骤1a重复，直至分割完成；多细胞跟踪包括以下步骤：2a、 初始化第i帧图像，通过分水岭算法加特征过滤得到该帧待跟踪细胞Xi，i=1，2，…,n2b、利用卡尔曼滤波算法中的状态方程对待跟踪细胞进行预测得到预测位置及速度；2c、针对第i+1帧中每一个跟踪对象在其3倍直径范围内度量其相似度，选取细胞的面积，离心率，矩形度，拉伸度，速度，方位角六个特征度量，相似度函数为：x表示第i帧中跟踪对象，表示第i+1帧中预测区域内入选对象,表示跟踪细胞与入选对象在特征空间中的欧式距离，找到使相似度函数最小的点，即为对应细胞的观测，进而用来预测下一帧的目标细胞；2d、认定相似度函数最小的细胞即为被跟踪对象，将其基本信息认定为观测量带入卡尔曼滤波算法中的观察方程完成更新；2e、抽取下一帧，跳转步骤2a循环，直到视频帧结束。