基于蚁群系统的多细胞跟踪方法及其LabVIEW实现

摘要

随着数字图像处理技术和计算机视觉技术的飞速发展，定量分析显微镜下的细胞序列图像技术得到了广泛研究，可以为新的医学研究提供重要的应用参考价值。近年来，细胞跟踪技术有了进一步的发展，但由于获取的图像质量低、细胞运动的不确定性等，多细胞自动跟踪技术带来了新挑战。
　　以蚁群算法为代表的群智能已成为分布式人工智能研究的一个热点，利用单个蚁群的强大搜索功能，通过多个蚁群的相互协作与竞争，可实现多目标参数估计。确定性跟踪方法（以水平集、主动轮廓为代表）由于具备相对完整的理论基础，在目标跟踪领域得到了广泛应用。本文将确定性跟踪方法所具备的完整的理论基础与蚁群强大的搜索功能相结合，提出若干种基于确定性框架下的混杂多细胞跟踪方法，并首次在LabVIEW平台下构建多细胞跟踪系统应用软件。本文的主要研究工作包括：
　　1.利用蚁群算法的强大搜索能力与水平集易处理拓扑结构等优点，提出了一种混合多细胞跟踪方法，以提高细胞跟踪精度。利用水平集演化结果初始分布蚁群，使得蚂蚁初始分布更接近目标区域，提高蚂蚁搜索效率。反之，将蚁群搜索形成的信息素场引入到水平集算法的约束中去，构造新的水平集能量泛函，提高细胞位置与轮廓估计的精度。实验结果表明，针对本文所研究的细胞实验数据，该方法准确的跟踪到多细胞。
　　2.针对主动轮廓的难以快速求得全局最优解问题，利用主动轮廓的决策过程与蚁群算法的优化过程的相似性，提出了基于蚁群系统与主动轮廓结合的跟踪方法，为主动轮廓求解提供新的方法，同时实现复杂场景下多细胞跟踪。利用基于蚁群系统的多细胞参数估计方法，得到目标的初始质心位置；在此基础上构造搜索空间，利用蚁群系统与主动轮廓结合的方法搜索出细胞的轮廓，将细胞轮廓提取问题转化为寻找最优轮廓路径的问题。实验结果表明，针对本文所研究的细胞实验数据，该方法能够得到全局最优解，且能够实现多细胞的自动跟踪。
　　3.利用LabVIEW界面友好、性能可靠、操作灵活、结构简单等特点，采用模块化、图形化设计思想，构建基于蚁群系统的多细胞跟踪系统应用软件，系统运行有效，能够准确的估计出细胞的位置与轮廓。这样，扩充跟踪方法的适用性和应用范围，使其具有一定的科研价值和商业前景。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

变量注释表

1 绪论

1.1研究背景和意义（Background and Significance）

1.2研究现状（Research Status）

1.3研究内容及论文结构（Research Contents and Framework）

1.4 预备知识（Preliminary Knowledge）

2 蚁群系统与水平集结合的多细胞跟踪方法

2.1水平集方法简介（Background on Level Set）

2.2 蚁群系统与水平集结合的多细胞跟踪方法（ Multi-Cell Tracking Techniques Basedon Ant System and Level Set）

2.3实验与讨论（Experiments and Discussions）

2.4本章小结（Chapter Summary）

3 蚁群系统与主动轮廓结合的多细胞跟踪方法

3.1主动轮廓模型简介（Background on Active Contour Model）

3.2 蚁群系统与主动轮廓结合的多细胞跟踪方法（ Multi-Cell Tracking Techniques Based on Ant System and Active Contour Model）

3.3实验与讨论（Experiments and Discussions）

3.4本章小结（Chapter Summary）

4 基于蚁群系统的多细胞跟踪方法的Lab VIEW实现

4.1系统简介（Introduction to The System）

4.2 蚁群系统与水平集结合的多细胞跟踪方法的 LabVIEW 实现（LabVIEW Implementation of Multi-Cell Tracking Techniques Based on ACO-LS）

4.3 蚁群系统与主动轮廓结合的多细胞跟踪方法的 LabVIEW 实现（LabVIEW Implementation of Multi-Cell Tracking Techniques Based on ACO-ACM）

4.4实验与讨论（Experiments and Discussions）

4.5本章小结（Chapter Summary）

5 总结与展望

5.1 总结（Summary）

5.2 展望（Scope）

参考文献

作者简历

学位论文数据集