[发明专利]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

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Qij， Q ij = Q Dist ( R ( k , i ) , R ( k + 1 , j ) ) · Q SSN ( R ( k , i ) , R ( k + 1 , j ) ) · Q area ( R ( k , i ) , R ( k + 1 , j ) ) Q Dist ( R ( k , i ) , R ( k + 1 , j ) ) = exp ( Dist ( R center ( k , i ) , R center ( k + 1 , j ) ) δ D ) Q area ( R ( k , i ) , R ( k + 1 , j ) ) = exp ( abs ( R area ( k , i ) - R area ( k + 1 , j ) ) δ S ) Q SSN ( R ( k , i ) , R ( k + 1 , j ) ) = Σ k = 1 M exp ( Angle ( D R ( k , i ) ( α k ) , D R ( k + 1 , j ) ( β k ) ) δ θ ) 其中QDist、QSSN、Qarea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；Rcenter(·)、Rarea(·)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δD、δS和δθ分别用于调整Qij对于距离、面积和角度的灵敏度；②若不是候选细胞，将其相似程度Qij赋一较大的值M；则由Qij组成的矩阵Q＝(Qij)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。