[发明专利]基于KHM算法的视频显微图像细胞自动跟踪方法

说明书

技术领域

本发明属于数字图像处理领域，涉及一种视频显微图像细胞自动跟踪的方法， 该方法可用于医学图像处理。

背景技术

细胞动态学是众多生物医学处理中重要的一个方面，它直接引导着人类健康 的走向。细胞运动分析是细胞动态学研究中重要的组成部分之一。分析细胞运动， 通常是对目标细胞进行追踪，进而对细胞的运动速度、位移、轨迹、形状等属性 进行定性或定量的分析，它是进行细胞活性、细胞迁徙和细胞趋向性等细胞生物 学和生物制药研究的有效方法和必要手段，在生物学、药理学和病理学方面都具 有十分重要的研究意义和实用价值。

目前，国内细胞跟踪的实现方法主要还是显微设备辅助下的人工定时检测和记 录，其自动化程度较低，一方面要求工作人员付出辛苦的劳动，具有较高的劳动 强度；另一方面由于细胞形式的复杂多变性，如细胞分裂、结合、聚集、交叉和 视频图像本身的噪声和干扰等因素，使得人工观测过程更加困难，并且有较高的 出错率。

近几年，国外研究机构在细胞自动跟踪方面取得了一些研究成果，借助图像分 析软件研制出一批细胞自动跟踪系统，如University of Virginia、University of Aberdeen和European Molecular Biology Laboratory等，但在商业化方面还不成熟， 这些设备虽然能够通过图像处理软件和分析软件计算出细胞在图像上的位置，但 对于细胞的分裂与结合、细胞聚合和多细胞运动轨迹的交叉等特殊情况难以处理。

发明内容

本发明的目的在于针对现有细胞跟踪方法的不足，提出一种基于KHM算法 的视频显微图像细胞自动跟踪方法，以实现对运动细胞进行自动跟踪，提高对细 胞运动中出现特殊情况时的处理能力。

实现本发明的技术方案是：将细胞运动跟踪问题看作多目标跟踪问题，利用 KHM算法对预处理后的细胞二值图像进行聚类，获得所有细胞的位置，以最近邻 方法为准则进行目标细胞关联，当关联过程中出现一对多，多对一的特殊情况时， 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，完成运动细胞的自动跟踪，提高对细胞运动中出现特殊情况时的处理能 力。具体实现步骤如下：

1)对细胞运动图像进行预处理，利用分水岭方法完成目标细胞与背景以及目 标细胞之间的二值分割，并从获得的目标二值图像中提取目标细胞；

2)根据目标细胞运动特点，为每个目标细胞建立匀速运动学动力模型，并对 模型中的状态向量及误差协方差矩阵进行初始化；

3)利用卡尔曼滤波对当前时刻所有目标细胞在下一时刻的位置进行预测，以 这些预测值作为初始点，利用KHM算法对下一时刻二值图像进行聚类，获得图 像中所有细胞中心位置；

4)以最近邻方法为准则进行目标细胞关联，当关联过程中出现一对多，多对 一的特殊情况时，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，确定每个目标细胞在下一时刻的位置，完成运动细胞 当前时刻到下一时刻的跟踪；

5)更新步骤2)中的目标细胞模型的状态向量及误差协方差矩阵。

6)循环步骤3)到步骤5)直到跟踪到最后一帧图像。

本发明与现有的技术相比具有以下优点：

1.由于KHM算法具有对初始值不敏感的特性和聚类性能良好的优点，本发明 利用它对细胞二值图像进行聚类，能够较为准确的得到细胞中心位置；

2.本发明由于引入差异代价函数，可以在出现细胞的分裂与结合、细胞聚合和 多细胞运动轨迹的密集交叉等特殊情况时，能够准确的完成目标细胞的跟踪；

3.仿真结果表明，本发明的目标细胞跟踪位置误差在很小的范围内，有较好的 跟踪效果。

附图说明

图1是本发明的流程示意图；

图2是本发明使用的细胞视频序列原图；

图3是本发明实现的图像预处理后得到的细胞二值图像；

图4是本发明实现的部分细胞跟踪效果示意图；

图5是本发明实现的部分细胞跟踪位置误差示意图。

具体实施方式

参照图1，本发明的具体实现过程如下：

步骤1，对细胞运动图像进行预处理，利用分水岭方法完成细胞目标与背景 以及细胞目标之间的二值分割，并从获得的二值图像中提取目标细胞。