基于區(qū)域特征的細(xì)胞跟蹤方法及裝置制造方法
【專利摘要】本發(fā)明公開(kāi)了基于區(qū)域特征的細(xì)胞跟蹤方法及裝置，該方法首先對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行圖像分割，在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域，根據(jù)每個(gè)細(xì)胞區(qū)域的質(zhì)心求出與待跟蹤細(xì)胞之間的歐式距離，如果小于細(xì)胞運(yùn)動(dòng)的平均距離，則認(rèn)為該細(xì)胞是待跟蹤細(xì)胞的候選細(xì)胞，并記錄所有的候選細(xì)胞信息；最后對(duì)所有的候選細(xì)胞，分別計(jì)算與待跟蹤細(xì)胞之間的相似度，以相似度值最大的候選細(xì)胞為該待跟蹤細(xì)胞的匹配細(xì)胞。本發(fā)明同時(shí)還公開(kāi)了應(yīng)用該方法進(jìn)行細(xì)胞跟蹤裝置。本發(fā)明的對(duì)粘連細(xì)胞的識(shí)別和分離準(zhǔn)確率高，能夠快速有效地進(jìn)行細(xì)胞跟蹤。
【專利說(shuō)明】基于區(qū)域特征的細(xì)胞跟蹤方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】，尤其涉及基于區(qū)域特征的細(xì)胞跟蹤方法及裝置。
【背景技術(shù)】
[0002]細(xì)胞動(dòng)態(tài)分析在細(xì)胞生物學(xué)和生物醫(yī)學(xué)中都具有重要的研究意義和應(yīng)用價(jià)值，其通常是通過(guò)對(duì)細(xì)胞進(jìn)行跟蹤來(lái)實(shí)現(xiàn)的，然而傳統(tǒng)的細(xì)胞跟蹤方法不僅需要大量繁瑣的人為操作，還需要使用物理、化學(xué)等操作，使研究結(jié)果不能客觀的反映細(xì)胞的自然運(yùn)動(dòng)。
[0003]隨著計(jì)算機(jī)視覺(jué)技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤作為計(jì)算機(jī)視覺(jué)的研究?jī)?nèi)容之一，已經(jīng)越來(lái)越受到科研人員的廣泛關(guān)注。在大多數(shù)的數(shù)字圖像視頻分析應(yīng)用中，主要的目標(biāo)是在圖像序列中檢測(cè)和跟蹤一個(gè)或多個(gè)物體的運(yùn)動(dòng)。分析視頻圖像中物體運(yùn)動(dòng)的應(yīng)用非常廣泛，例如交通控制、機(jī)器人控制、海洋監(jiān)測(cè)和人臉檢測(cè)識(shí)別等。然而，隨著顯微鏡技術(shù)的快速發(fā)展，把計(jì)算機(jī)視覺(jué)技術(shù)和數(shù)字圖像處理技術(shù)運(yùn)用到微觀領(lǐng)域進(jìn)行科學(xué)研究也引起了科研人員的興趣。
[0004]由于顯微細(xì)胞圖像存在圖像模糊、細(xì)胞分布雜亂等特點(diǎn)，通過(guò)傳統(tǒng)的人工方法分析顯微鏡下拍攝的大量圖片是一件冗長(zhǎng)乏味的事情，而且隨著細(xì)胞圖像數(shù)據(jù)的不斷增加和重復(fù)觀察的需要，顯然人工分析的方法是一項(xiàng)不切實(shí)際的方法。而且有時(shí)候由于使用了物理化學(xué)等操作使實(shí)驗(yàn)結(jié)果不能夠正確地反映細(xì)胞的自然運(yùn)動(dòng)，因此傳統(tǒng)的細(xì)胞跟蹤方法在技術(shù)日益更新的今天已不再適用。隨著計(jì)算機(jī)技術(shù)的發(fā)展，運(yùn)用數(shù)字圖像處理技術(shù)和計(jì)算機(jī)視覺(jué)的技術(shù)定量分析視頻中細(xì)胞的運(yùn)動(dòng)無(wú)疑是很好的選擇，不僅能夠減少人為因素的干擾，而且自動(dòng)地分析細(xì)胞的動(dòng)態(tài)行為，已經(jīng)成為取代人工方法的一項(xiàng)重要技術(shù)。
[0005]然而由于細(xì)胞圖像本身具有復(fù)雜的自然屬性和結(jié)構(gòu)特性如光照的影響、邊界模糊、信噪比低、重疊細(xì)胞等問(wèn)題，雖然現(xiàn)有技術(shù)基于閾值的細(xì)胞圖像分割方法和基于形變模型的細(xì)胞圖像分割方法在分割細(xì)胞圖像時(shí)都能夠取得很好的分割效果，但是在分割結(jié)果中通常會(huì)存在粘連的現(xiàn)象，需要進(jìn)行進(jìn)一步處理。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是提出一種基于區(qū)域特征的細(xì)胞跟蹤方法及裝置，用以解決現(xiàn)有技術(shù)在細(xì)胞圖像分割時(shí)存在的粘連現(xiàn)象。
[0007]—種基于區(qū)域特征的細(xì)胞跟蹤方法，用于根據(jù)顯微視頻的幀圖像進(jìn)行細(xì)胞跟蹤，所述方法包括步驟:
[0008]步驟1、對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行圖像分割，在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域；
[0009]步驟2、以第一幀細(xì)胞圖像為當(dāng)前細(xì)胞圖像，在該細(xì)胞圖像中標(biāo)記要跟蹤的待跟蹤細(xì)胞；
[0010]步驟3、輸入當(dāng)前細(xì)胞圖像的下一幀細(xì)胞圖像，根據(jù)每個(gè)細(xì)胞區(qū)域的質(zhì)心求出與待跟蹤細(xì)胞之間的歐式距離，如果小于細(xì)胞運(yùn)動(dòng)的平均距離，則認(rèn)為該細(xì)胞是待跟蹤細(xì)胞的候選細(xì)胞，并記錄所有的候選細(xì)胞信息；
[0011]步驟4、對(duì)所有的候選細(xì)胞，分別計(jì)算與待跟蹤細(xì)胞之間的相似度，以相似度值最大的候選細(xì)胞為該待跟蹤細(xì)胞的匹配細(xì)胞；
[0012]步驟5、判斷是否所有細(xì)胞圖像跟蹤完畢，是則結(jié)束細(xì)胞跟蹤，否則以下一幀細(xì)胞圖像為當(dāng)前細(xì)胞圖像，以匹配細(xì)胞為待跟蹤細(xì)胞，返回步驟3。
[0013]進(jìn)一步地，所述步驟I包括步驟:
[0014]步驟1.1、對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行分割，將潛在的細(xì)胞區(qū)域從背景區(qū)域中提取出來(lái)；
[0015]步驟1.2、將分割后的圖像進(jìn)行二值化，并基于數(shù)學(xué)形態(tài)學(xué)對(duì)細(xì)胞圖像進(jìn)行區(qū)域填充和噪點(diǎn)去除；
[0016]步驟1.3、查找細(xì)胞圖像中的粘連細(xì)胞，并進(jìn)行粘連細(xì)胞分離；
[0017]步驟1.4、在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域。
[0018]進(jìn)一步地，所述查找細(xì)胞圖像中的粘連細(xì)胞，并進(jìn)行粘連細(xì)胞分離，具體包括步驟:
[0019]步驟1.3.1、查找出細(xì)胞區(qū)域面積大于預(yù)先設(shè)定的面積閾值的可能粘連細(xì)胞；
[0020]步驟1.3.2、在當(dāng)前細(xì)胞圖像的前一幀中和后一幀中搜索所述可能粘連細(xì)胞對(duì)應(yīng)的細(xì)胞區(qū)域，如果該可能粘連細(xì)胞的面積大于對(duì)應(yīng)的細(xì)胞區(qū)域面積超過(guò)一定比例值，則判斷該可能粘連細(xì)胞為粘連細(xì)胞；
[0021]步驟1.3.3、將粘連細(xì)胞進(jìn)行分離。
[0022]進(jìn)一步地，所述比例值為40%。由于細(xì)胞分裂導(dǎo)致的細(xì)胞面積增長(zhǎng)不會(huì)超過(guò)40%，所以將比例值設(shè)為40%，可以有效區(qū)分粘連細(xì)胞與細(xì)胞分裂。
[0023]本發(fā)明中，所述相似度計(jì)算公式如下:
[0024]Er (k, k ) - λ lEdisplacement+ \ 2Earea+ λ sEdeformation
[0025]其中Ee (k, k’ )為待跟蹤細(xì)胞k和候選細(xì)胞k’的相似度，λ P λ 2和λ 3表示對(duì)應(yīng)的區(qū)域特征參數(shù)在相似度函數(shù)中的權(quán)重；
[0026]位移變化參數(shù)Edisplaranient反映了細(xì)胞在相鄰兩幀圖片之間的移動(dòng)距離大小:
[0027]
【權(quán)利要求】
1.一種基于區(qū)域特征的細(xì)胞跟蹤方法，用于根據(jù)顯微視頻的幀圖像進(jìn)行細(xì)胞跟蹤，其特征在于，所述方法包括步驟: 步驟1、對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行圖像分割，在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域； 步驟2、以第一幀細(xì)胞圖像為當(dāng)前細(xì)胞圖像，在該細(xì)胞圖像中標(biāo)記要跟蹤的待跟蹤細(xì)胞； 步驟3、輸入當(dāng)前細(xì)胞圖像的下一幀細(xì)胞圖像，根據(jù)每個(gè)細(xì)胞區(qū)域的質(zhì)心求出與待跟蹤細(xì)胞之間的歐式距離，如果小于細(xì)胞運(yùn)動(dòng)的平均距離，則認(rèn)為該細(xì)胞是待跟蹤細(xì)胞的候選細(xì)胞，并記錄所有的候選細(xì)胞信息； 步驟4、對(duì)所有的候選細(xì)胞，分別計(jì)算與待跟蹤細(xì)胞之間的相似度，以相似度值最大的候選細(xì)胞為該待跟蹤細(xì)胞的匹配細(xì)胞； 步驟5、判斷是否所有細(xì)胞圖像跟蹤完畢，是則結(jié)束細(xì)胞跟蹤，否則以下一幀細(xì)胞圖像為當(dāng)前細(xì)胞圖像，以匹配細(xì)胞為待跟蹤細(xì)胞，返回步驟3。
2.根據(jù)權(quán)利要求1所述的細(xì)胞跟蹤方法，其特征在于，所述步驟I包括步驟: 步驟1.1、對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行分割，將潛在的細(xì)胞區(qū)域從背景區(qū)域中提取出來(lái)； 步驟1.2、將分割后的圖像進(jìn)行二值化，并基于數(shù)學(xué)形態(tài)學(xué)對(duì)細(xì)胞圖像進(jìn)行區(qū)域填充和噪點(diǎn)去除； 步驟1.3、查找細(xì)胞圖像中的粘連細(xì)胞，并進(jìn)行粘連細(xì)胞分離； 步驟1.4、在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域。
3.根據(jù)權(quán)利要求2所述的細(xì)胞跟蹤方法，其特征在于，所述查找細(xì)胞圖像中的粘連細(xì)胞，并進(jìn)行粘連細(xì)胞分離，具體包括步驟: 步驟1.3.1、查找出細(xì)胞區(qū)域面積大于預(yù)先設(shè)定的面積閾值的可能粘連細(xì)胞； 步驟1.3.2、在當(dāng)前細(xì)胞圖像的前一幀中和后一幀中搜索所述可能粘連細(xì)胞對(duì)應(yīng)的細(xì)胞區(qū)域，如果該可能粘連細(xì)胞的面積大于所述對(duì)應(yīng)的細(xì)胞區(qū)域面積超過(guò)一定比例值，則判斷該可能粘連細(xì)胞為粘連細(xì)胞； 步驟1.3.3、將粘連細(xì)胞進(jìn)行分離。
4.根據(jù)權(quán)利要求3所述的細(xì)胞跟蹤方法，其特征在于，所述比例值為40%。
5.根據(jù)權(quán)利要求1所述的細(xì)胞跟蹤方法，其特征在于，所述相似度計(jì)算公式如下:
Er (k, k，)= λ

lEdisplacement+ 入 2^area~^"入 3^deformation 其中EK(k，k’)為待跟蹤細(xì)胞k和候選細(xì)胞k’的相似度，X1,入2和λ 3表示對(duì)應(yīng)的區(qū)域特征參數(shù)在相似度函數(shù)中的權(quán)重； 位移變化參數(shù)Edispla?反映了細(xì)胞在相鄰兩幀圖片之間的移動(dòng)距離大小:
6.一種基于區(qū)域特征的細(xì)胞跟蹤裝置，用于根據(jù)顯微視頻的幀圖像進(jìn)行細(xì)胞跟蹤，其特征在于，所述裝置包括:圖像分割模塊，用于對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行圖像分割，在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域；待跟蹤細(xì)胞標(biāo)記模塊,用于在當(dāng)前細(xì)胞圖像中標(biāo)記待跟蹤的待跟蹤細(xì)胞；候選細(xì)胞查找模塊，用于根據(jù)當(dāng)前細(xì)胞圖像的下一幀細(xì)胞圖像中每個(gè)細(xì)胞區(qū)域的質(zhì)心求出與待跟蹤細(xì)胞之間的歐式距離，如果小于細(xì)胞運(yùn)動(dòng)的平均距離，則認(rèn)為該細(xì)胞是待跟蹤細(xì)胞的候選細(xì)胞，并記錄所有的候選細(xì)胞信息；匹配模塊，用于對(duì)所有的候選細(xì)胞，分別計(jì)算與待跟蹤細(xì)胞之間的相似度，以相似度值最大的候選細(xì)胞為該待跟蹤細(xì)胞的匹配細(xì)胞；判斷模塊，用于判斷是否所有細(xì)胞圖像跟蹤完畢，是則結(jié)束細(xì)胞跟蹤，否則以下一幀細(xì)胞圖像為當(dāng)前細(xì)胞圖像，以匹配細(xì)胞為待跟蹤細(xì)胞，返回所述候選細(xì)胞查找模塊查找下一幀細(xì)胞圖像中的候選細(xì)胞。
7.根據(jù)權(quán)利要求6所述的細(xì)胞跟蹤裝置，其特征在于，所述圖像分割模塊具體包括:背景分離單元，用于對(duì)顯微拍攝的細(xì)胞視頻進(jìn)行轉(zhuǎn)換得到連續(xù)的細(xì)胞圖像幀，并對(duì)每一幀細(xì)胞圖像進(jìn)行分割，將潛在的細(xì)胞區(qū)域從背景區(qū)域中提取出來(lái)；圖像處理單元，用于將分割后的圖像進(jìn)行二值化，并基于數(shù)學(xué)形態(tài)學(xué)對(duì)細(xì)胞圖像進(jìn)行區(qū)域填充和噪點(diǎn)去除；粘連細(xì)胞處理單元，用于查找細(xì)胞圖像中的粘連細(xì)胞，并進(jìn)行粘連細(xì)胞分離；細(xì)胞區(qū)域標(biāo)記單元，用于在細(xì)胞圖像中標(biāo)記細(xì)胞區(qū)域。
8.根據(jù)權(quán)利要求7所述的細(xì)胞跟蹤裝置，其特征在于，所述粘連細(xì)胞處理單元包括:查找子單元，用于查找出細(xì)胞區(qū)域面積大于預(yù)先設(shè)定的面積閾值的可能粘連細(xì)胞；粘連細(xì)胞判定子單元，用于在當(dāng)前細(xì)胞圖像的前一幀中和后一幀中搜索所述可能粘連細(xì)胞對(duì)應(yīng)的細(xì)胞區(qū)域，如果該可能粘連細(xì)胞的面積大于所述對(duì)應(yīng)的細(xì)胞區(qū)域面積超過(guò)一定比例值，則判斷該可能粘連細(xì)胞為粘連細(xì)胞；粘連細(xì)胞分離子單元，用于將粘連細(xì)胞進(jìn)行分離。
9.根據(jù)權(quán)利要求8所述的細(xì)胞跟蹤裝置，其特征在于，所述比例值為40%。
10.根據(jù)權(quán)利要求6所述的細(xì)胞跟蹤裝置，其特征在于，所述匹配模塊計(jì)算相似度的計(jì)算公式如下:
Er (k, k，)= λ lEdisplacement+ 入 2^area~^"入 3^deformation 其中EK(k，k’)為待跟蹤細(xì)胞k和候選細(xì)胞k’的相似度，X1,入2和λ 3表示對(duì)應(yīng)的區(qū)域特征參數(shù)在相似度函數(shù)中的權(quán)重； 位移變化參數(shù)Edispla?反映了細(xì)胞在相鄰兩幀圖片之間的移動(dòng)距離大小:
【文檔編號(hào)】G06T7/20GK103606173SQ201310611680
【公開(kāi)日】2014年2月26日 申請(qǐng)日期:2013年11月26日 優(yōu)先權(quán)日:2013年11月26日
【發(fā)明者】陳磊, 朱辰, 陳勝勇, 管秋, 汪曉妍, 楊延紅 申請(qǐng)人:浙江工業(yè)大學(xué)