[发明专利]基于局部图匹配和卷积神经网络的细胞追踪方法

说明书

本发明公开了一种基于局部图匹配和卷积神经网络的细胞追踪方法，所述方法包括：S1、采用分水岭方法对细胞图像进行分割；S2、搭建并训练卷积神经网络，利用训练好的卷积神经网络提取待匹配细胞对的深度相似度；S3、在细胞分割图像中提取待匹配细胞对的局部三角图相似度；S4、结合提取待匹配细胞对的深度相似度和局部三角图相似度，建立相似度矩阵，并取相似度矩阵取最大值时对应的细胞对作为种子细胞；S5、从所获取的种子细胞开始，采用邻域细胞扩散方法依次匹配其相邻细胞对直至所有细胞匹配完成。本发明引入了卷积神经网络提取待匹配细胞对的深度相似度，并通过结合深度相似度和局部三角图相似度追踪细胞，具有适用范围广和追踪准确率高的特点。

技术领域

本发明涉及到图像处理技术领域，尤其涉及一种基于局部图匹配和卷积神经网络的细胞追踪方法。

背景技术

在生物医学的研究中，对于蜂窝状紧密排列的细胞(如植物分生组织细胞，口腔上皮细胞)的追踪有着至关重要的作用。目前，许多细胞追踪方法使用局部图匹配模型检测种子细胞，然后从种子细胞开始进行邻域细胞扩散增长。

现有的细胞追踪方法对细胞进行自动追踪的步骤如下：

a、细胞图像分割：利用分水岭方法分割细胞边界；

b、局部图特征：在包括中心细胞和相邻细胞的对应局部图中，提取夹角特征，面积特征，和距离特征组成局部图特征；

c、多组种子细胞：利用提取的局部图特征构建距离函数矩阵，计算出相邻两幅细胞图像的距离函数矩阵，将距离函数矩阵中最小的k个值对应的细胞对作为k组种子细胞；

d、动态局部图匹配模型：对于每一对种子细胞，动态地进行邻域细胞扩散增长，得出一个细胞追踪结果。k对种子细胞，分别对应得到k个细胞追踪结果，然后采用多数投票方式确定最终细胞追踪结果。

上述现有的细胞追踪方法的准确性有所欠缺。首先，上述方法手动提取的局部图特征的辨别力不足，不适用于大时间间隔的图像序列；其次，上述方法提取的多组种子细胞的准确性不足，进而影响追踪准确率。

鉴于此，研究一种适用范围广且追踪准确率高的细胞追踪方法是本技术领域人员亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于局部图匹配和卷积神经网络的细胞追踪方法，所述方法通过在现有细胞追踪方法基础上引入了卷积神经网络提取待匹配细胞对的深度相似度，并通过结合深度相似度和局部三角图相似度追踪细胞，具有适用范围广和追踪准确率高的特点。

为解决上述技术问题，本发明提供一种基于局部图匹配和卷积神经网络的细胞追踪方法，所述方法包括以下步骤：

S1、输入细胞图像并利用分水岭方法对细胞图像进行分割，得到细胞分割图像；

S2、截取并处理细胞分割图像中的所有细胞图片，然后搭建和训练卷积神经网络，利用训练好的卷积神经网络提取待匹配细胞对的深度相似度；

S3、从所述步骤S1得到的细胞分割图像中提取待匹配细胞的局部三角图特征并计算待匹配细胞对的局部三角图相似度；

S4、结合所述步骤S2提取的深度相似度和所述步骤S3提取的局部三角图相似度构建待匹配细胞对的相似度矩阵，取不同时刻两帧细胞图像并将两帧细胞图像中相似度矩阵最大值所对应的细胞对作为种子细胞；

S5、从所述步骤S4中的种子细胞开始，采用邻域细胞扩散方法依次匹配相邻细胞对，直至完成所有细胞对的匹配，得到最终的细胞追踪结果。

作为上述技术方案的进一步优化，所述步骤S1的具体实现方式为：输入细胞图像，将细胞图像中的低强度像素区域设为山谷，高强度像素区域设为山峰，并输出高强度像素区域为细胞边界，即完成细胞图像的分割。

作为上述技术方案的进一步优化，所述步骤S2的具体实现方式为：