[发明专利]一种基于协作与竞争模式的蚁群近邻细胞跟踪系统及其应用

权利要求书

1.一种基于协作与竞争模式的蚁群近邻细胞跟踪系统，其特征在于，包含以下模块： 

1）初始蚁群分布及粗分类模块，利用近似平均方法提取细胞的前景图像从而获得初始蚁群分布，然后利用K均值聚类的方法把它粗略的分为N组子蚁群； 

2）多蚁群决策模块，基于协作与竞争模式构建N个独立的子信息素场和总信息素场共同作用下的细胞位置估计模块； 

3）融合及删除模块，基于信息素场构建，通过合并相似子蚁群和去除由杂波导致的虚假目标进行多细胞位置估计，并利用易于实现的近邻法进行细胞关联获取细胞运动轨迹和动力学参数。 

2.根据权利要求1所述系统，其特征在于，初始蚁群分布及粗分类模块的工作步骤如下： 

1）细胞图像背景提取：利用近似平均方法提取细胞的背景图像，近似平均方法是一种迭代的方法，把背景图像上的像素值和当前图像的像素值进行对比，如果背景像素大，则背景像素减1，否则加1，最终背景模型就收敛到一个值； 

2）细胞图像前景获取：当前帧图像像素和背景模型图像相应像素比较，如果两者的差值大于某一阈值，则此像素点属于前景，其公式为： 

其中I(i)是当前帧图像，B(i)是且背景图像，I₁(i)是前景目标图像，I₂(i)是二值图像； 

3）初始蚁群分布：检查二值图像I₂(i)，如果某个像素点i的值为“1”，则将蚂蚁置放在该像素i上，否则，该像素i不分配任何蚂蚁； 

4）分类：利用K均值聚类方法把初始蚁群粗略的分为N组子蚁群，每一组有各自的信息素场并在其上工作。 

3.根据权利要求1所述系统，其特征在于，多蚁群决策模块的工作步骤如下： 

1）针对某一个子蚁群s(s＝1:N)中的蚂蚁在像素i所在位置，考虑到与其他子蚁群间的竞争与协作，分别考虑总信息素量τ_j(t)和相对量，为此，该蚂蚁选择其邻域中某一像素j的 概率为：其中似然函数定义为 是第s个子蚁群在像素j上的信息素量，τ_j(t)为信息素总量，定义为，α,β,γ分别为总信息素、似然函数值和信息素相对量的控制参数，H(i)为像素i的近邻像素集，同时释放一定量的信息素(如果他选择像素j)， (未选择，还处于像素i的位置)； 

2）当所有蚂蚁按上述概率完成选择后，计算由所释放信息素引起的信息素扩散 ，更新像素j的信息素量 更新信息素扩散值

3）N组子蚁群完成迭代后，计算总信息素量

4）继续上述步骤1-3，直至所需的迭代次数。 

4.根据权利要求1所述系统，其特征在于，融合及删除模块的工作步骤如下： 

1）任两组子蚁群s₁,s₂，其对应的信息素均为，则最大信息素值所对应的像素为 依据细胞大小的先验信息构建相应的正方形方块，计算其面积重叠率O_overlap，若O_overlap＞σ₁，则两个子蚁群组合并,其中σ₁为阈值； 

2）虚假目标移除：假定细胞尺寸范围先验已知，若某一子蚁群的蚂蚁数量为，则当认为此目标是由杂波或干扰引起的，删除此子蚁群，σ₂为阈值； 

3）数据关联：利用易于实现的近邻法进行数据关联获取细胞运动轨迹及相关的动力学参数。 

5.一种基于协作与竞争模式的蚁群近邻细胞跟踪方法，其特征在于，步骤如下： 

1）将包含有由于运动或分裂而产生的近邻多细胞的图像输入，图像序列利用近似平均方法提取细胞的前景图像从而获得初始蚁群分布，然后利用K均值聚类的方法把它粗略的分为N组 子蚁群，每一组有各自的信息素场并在其上工作； 

2）构建N个独立的子信息素场和总信息素场共同作用下的细胞位置估计蚁群决策系统； 

3）通过合并相似子蚁群和去除由杂波导致的虚假目标进行多细胞位置估计，并利用易于实现的近邻法进行细胞关联获取细胞运动轨迹和动力学参数，实现近邻多细胞的跟踪。