基于拓扑约束和匈牙利算法的高密度细胞追踪方法

摘要

本发明提供的是一种基于拓扑约束和匈牙利算法的高密度细胞追踪方法。(1)采用水平集算法与局部灰度阈值法相结合的图像分割方法对细胞图像序列进行分割，并对每一帧分割后的细胞初始标号；(2)对第k帧中的任意待匹配细胞根据距离限制在k+1帧中建立追踪的搜索区域，将区域中的细胞列为候选细胞；(3)建立系数矩阵Q。若k+1帧中细胞j是第k帧中细胞i的候选细胞，则根据拓扑约束进行数据关联计算其相似度Qij，否则将其相似度赋一较大值。(4)利用匈牙利算法对系数矩阵进行变换，找出独立零元素，其行列代表的细胞相匹配；(5)找出矩阵变换后没有独立零元素的行列，对其所对应的细胞分别进行考虑；(6)将k加1，跳到第2步，重复进行，直到图像序列的最后一帧。本发明能实现较高效率的细胞追踪。

主权项

1.一种基于拓扑约束和匈牙利算法的高密度细胞追踪方法，其特征是：(1)、细胞分割：采用水平集算法与局部灰度阈值法相结合的序列细胞图像分割方法进行分割，然后将图像每一帧分割后的细胞初始标号，将第k帧中标号为i的细胞记录为R(k，i)；(2)、候选细胞的选取：对第k帧中的任意待匹配细胞R(k，i)根据距离限制在k+1帧中建立追踪的搜索区域，将区域中的细胞列为候选细胞；(3)、系数矩阵的构建：①若第k+1帧中细胞R(k+1，j)是第k帧待匹配细胞R(k，i)的候选细胞，则根据下式进行数据关联计算其相似程度Q_ij，其中Q_Dist、Q_SSN、Q_area分别表示的是候选细胞与待匹配细胞之间的空间相似性、邻域相似性、细胞大小的相似性；R_center(·)、R_area(·)分别表示的是细胞顶点的中心点坐标和细胞的面积，Dist(·)表示的是两中心坐标之间的距离，Angle(·)是指候选细胞和待匹配细胞各自邻域细胞所构成的邻域角度分布集合中相对应的角度值的差别，邻域角度分布集合中所有元素以角度值减小的方向排列，常数δ_D、δ_S和δ_θ分别用于调整Q_ij对于距离、面积和角度的灵敏度；②若第k+1帧中细胞R(k+1，j)不是第k帧待匹配细胞R(k，i)的候选细胞，将其相似程度Q_ij赋一较大的值M；则由Q_ij组成的矩阵Q＝(Q_ij)_m*n就是所要构建的系数矩阵，其中m，n分别为第k帧和第k+1帧所分离出的细胞数；(4)、细胞全局匹配：利用匈牙利算法对系数矩阵进行变换，使得变换后的矩阵中出现独立的零元素，该零元素行列所代表的细胞相匹配，则将行所代表的细胞标号赋值给所代表的细胞；(5)、未匹配细胞分析：找出矩阵变换后没有独立零元素的行列，对其所对应的细胞分别进行考虑；(6)、将k加1，跳到第2步，重复进行，直到图像序列的最后一帧；所述的未匹配细胞的具体分析方法为：①丢失的细胞：找出没有独立零元素的行i，表示该行所代表的细胞R(k，i)在第k+1帧中没有找到与之相匹配的细胞，若该细胞不是位于图像边缘的细胞，首先找出该细胞的候选细胞，如果所有的候选细胞都已经与别的待匹配细胞相匹配，则考虑这些已匹配细胞对之间的关系，根据下面三个判断条件来判断是否是由于欠分割导致该细胞的丢失，如果满足这些条件则认为是由于该细胞与其邻域细胞在下一帧中欠分割所造成的丢失：R(k+1，j).area＞1.7*R(k，l).areaabs(fw_angle(R(k，i)，R(k，l))-R(k+1，j).Orientation)＜10R(k+1，j).MajorAxisLength＞1.7*R(k，l).MajorAxisLength其中细胞R(k+1，j)是细胞R(k，i)的候选细胞，细胞R(k+1，j)与细胞R(k，l)相匹配；fw_angle(R(k，i)，R(k，l))表示的是细胞R(k，i)和R(k，l)的质心连线与x轴的夹角；R(k+1，j).Orientation表示的是细胞R(k+1，j)的离心率；R(k+1，j).MajorAxisLength表示的是细胞R(k+1，j)的长轴；若由于细胞R(k，i)与R(k，l)在k+1帧中的欠分割导致细胞R(k，i)的丢失，则接着判断细胞R(k，i)与R(k，l)是否是惰性细胞，若是惰性细胞，通过复制的方法将R(k，i)与R(k，l)两细胞替代细胞R(k+1，j)，否则是由于该细胞图像边缘与背景的对比度非常弱，以致没有从背景中识别分割出来，从而导致该细胞的丢失，若细胞R(k，i)是位于图像边界的细胞，则认为细胞移出边界，将该丢失的细胞的信息存储，以防细胞再一次出现；②新出现的细胞：找出没有独立0元素的列j，则表示该列所代表的细胞R(k+1，j)在第k帧中没有找到与之相匹配的细胞，为新出现的细胞，然后判断其新出现的原因；首先根据细胞生物分裂前后的特性判断该细胞是否是细胞分裂成的子细胞，接着查看该新出现的细胞是否是位于边缘的细胞，若是，则认为细胞移入图像边界，然后将该细胞信息与前几帧丢失的细胞信息进行对比，这里主要是对质心位置信息进行对比，若是前几帧丢失的细胞，则将丢失的细胞的ID号给该新出现的细胞，否则认为是新出现的细胞，给其赋予一个新的ID号并存储。