[发明专利]一种高粘连度细胞环境下的多细胞同步跟踪方法

说明书

技术领域

   本发明属于多细胞跟踪领域，更具体地涉及一种高粘连度细胞环境下的多细胞同步跟踪方法。

背景技术

细胞运动的研究一直是细胞学和生物学研究的重要组成部分，但是传统的研究方法在技术日益革新的现在已经渐渐变得不这么适用了，传统的在显微镜下利用细胞计数板用人眼进行染色、分类、计数、跟踪等这类不但需要大量繁琐的人为操作而且容易使得操作者变得疲劳从而影响结果的正确性，且其可重用性比较低。国内外的医学专家经过长期地实践与研究取得一致共识认为应该在细胞运动研究中引入数字视频技术和数字图像处理技术，从而极大地提高研究效率，减轻研究人员负担。用计算机来跟踪细胞运动，部分代替人类始终盯着显微镜来观察细胞的眼睛，尽量地把人从繁重的重复劳动中解脱出来进行更有创造性的工作。因此，如何利用计算机图像处理、视频分析等相关技术手段来提高生物研究过程中的自动化程度已成为当前急需解决的非常有意义的难题。

现有的目标跟踪方法很多，应用到细胞跟踪中的有meanshift算法，level set算法，卡尔曼滤波及粒子滤波等。崔艳等利用meanshift实现图像序列中细胞的跟踪，陈莹等采用非均衡化特征匹配实现细胞的检测进而根据检测结果实现跟踪，这两种方法都用于跟踪单个细胞，且跟踪细胞有较明显的特征，有利于检测和跟踪，但是只能是针对单细胞跟踪。

汤春明等提出用扩展卡尔曼与粒子滤波相结合的方法实现多细胞跟踪，该方法实现了多个细胞的跟踪，被跟踪细胞限制为少数活跃细胞，且与周边细胞有较明显的区别，但其跟踪状态表现为重复序列图像下的单个细胞的跟踪，未能实现多细胞的同步跟踪。

Mingli Lu等利用分水岭实现细胞分割进而通过粒子滤波完成跟踪。分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。 分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是L. Vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过度分割的现象。但同时应当看出，分水岭算法对微弱边缘具有良好的响应，是得到封闭连续边缘的保证的。另外，分水岭算法所得到的封闭的集水盆，为分析图像的区域特征提供了可能。 这种分割中噪声导致的跟踪对象的不准确导致跟踪存在误跟踪情况。

在专利CN 101719278 B中公开了一种基于KHM 算法的视频显微图像细胞自动跟踪方法，该方法采用以下步骤： 1) 利用分水岭方法完成细胞图像的二值分割，提取目标细胞；2) 为每个目标细胞建立匀速运动学动力模型，并初始化；3) 利用KHM 算法对下一时刻二值图像进行聚类，获得所有细胞中心位置；4) 通过目标细胞的关联，确定目标细胞在下一时刻的位置，完成运动细胞的跟踪；5) 更新步骤2) 中目标细胞模型的状态向量及其误差协方差矩阵；6) 循环步骤3) 到步骤5) 直到跟踪到最后一帧图像。该发明具有以下缺点：（1）由说明书中可以看出，该专利在细胞相对分离的状态下效果较好，但是对细胞粘连程度较高的状态并不适用。（2）该发明先以最近邻方法为准则进行目标细胞关联，再计算不同关联结果的差异代价函数，以差异代价函数最小的关联结果作为最终关联结果。最近邻算法是通过相似对象来判断，再采用代价函数也是通过相似度来判断，增加了计算的复杂度；（3）该方法在确定代价函数的同时引入了不同特征权值分配问题，虽然增加了灵活性但权值参数的选取的问题和参数对精度匹配问题都限制了其适用性。

发明内容

1、本发明的目的。

本发明为了在细胞粘连程度较高的状态下能够有效的对多细胞进行分割并跟踪，同时计算过程可靠性较高，不受参数选择和权值参数的影响，计算量相对较小。

2、本发明所采用的技术方案。

高粘连度细胞环境下的多细胞同步跟踪方法，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；