超分辨率序列图像中目标检测和跟踪问题研究

摘要

在医学或生物学研究中，对生物粒子（如囊泡、病毒粒子、DNA）进行检测与运动跟踪是研究亚细胞级粒子生理机理的主要方式，这对科学研究和药物开发具有重要意义。因此，生物粒子检测与跟踪方法的研究已成为生物医学工程与计算机图像处理等领域的研究热点。生物粒子跟踪研究要求使用显微镜获取的荧光序列图像。由于图像设备的精密程度和拍摄环境的限制，获取的图像往往混有噪声，严重影响图像质量，这对后续粒子跟踪有较严重影响。另外，由于粒子在生命周期中出现的融合、分裂等复杂现象，这使得对粒子进行准确的跟踪愈加困难，为深入认识粒子运动和研究提出了新的挑战。
　　 实现粒子运动分析要经过如下三个步骤:荧光图像预处理、粒子特征提取以及粒子轨迹获取。由于获取的生物显微荧光图像往往被各种噪声污染，因此首先需要对图像进行降噪以提高图像质量;然后对图像中记录的粒子进行检测并抽取粒子特征信息;根据检测出的粒子信息，使用最大流方法和指派方法对图像序列中粒子运动进行跟踪，以获得粒子的轨迹信息。
　　 本文主要贡献在三个方面:首先，针对图像噪声问题，结合非局部均值法和双边滤波算法的优点提出了非局部双边滤波方法，并且对一些参数进行自适应选择。对于含有泊松噪声的显微荧光图像，将其转换成含高斯噪声的图像，然后使用高斯噪声的去噪方法，逆变换之后得到降噪图像。其次，荧光图像中粒子亮度呈现点扩散函数形式，通过曲线拟合来获得粒子特征。最后，针对亚细胞级生物粒子跟踪问题，本文引入网络最大流的方法，把生物粒子匹配问题转换成网络最大流问题以获得最小匹配代价;同时本文引进解指派问题方法来解决跟踪问题，使生物粒子匹配得到全局最优解，由于使用匈牙利法解指派问题，总能够在有限的步骤内收敛到最优解，所以使用解指派方法实现粒子跟踪的运算速度较快。考虑生物粒子在生命周期内会有分裂和融合的现象，本文对基于指派的粒子跟踪方法提出改进，通过对粒子轨迹片段进行指派来识别发生融合与分裂的轨迹片段。
　　 实验结果表明，非局部双边去噪方法比原来的两种方法具有更好的去噪能力，对图像区域具有更好的平滑效果并保持图像边缘细节。基于最大流的跟踪方法能够有效地对高密度粒子进行匹配，但随着粒子数量的增加，运算时间也明显增加;基于指派问题的粒子跟踪方法在准确性和运算速度方面都优于基于最大流的跟踪方法;改进的指派跟踪方法提高了粒子匹配的准确性，更能准确反映生物粒子的活动规律。

目录

声明

学位论文数据集

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 生物显微图像概述

1．3 跟踪技术及其应用

1．3．1 运动目标检测研究现状

1．3．2 运动目标跟踪研究现状

1．4 论文主要贡献

1．5 论文组织结构

1．6 本章小结

第二章 生物粒子跟踪技术概述

2．1 目标跟踪的处理流程

2．2 生物粒子跟踪方法分类

2．2．1 基于物理化学方式的运动跟踪

2．2．2 基于计算机图像处理方式的运动跟踪

2．3 基于二分图的跟踪方法

2．4 基于mean-shift的细胞跟踪方法

2．5 现有方法分析

2．6 本章小结

第三章 生物显微图像预处理技术

3．1 预处理主要工作

3．2 泊松噪音特性

3．3 非局部双边滤波方法

3．3．1 非局部双边滤波方法

3．3．2 泊松噪声的降噪

3．4 实验结果

3．4．1 评价去噪效果的标准

3．4．2 实验结果

3．5 粒子特征获取

3．6 本章小结

第四章 基于图的生物粒子跟踪算法

4．1 基于图的跟踪算法原理

4．1．1 网络流问题

4．1．2 最大流问题

4．2 基于图的跟踪算法实现

4．2．1 建立微粒的最大流模型

4．2．2 最大流问题的求解

4．2．3 算法的流程

4．3实验结果

4．4 本章小结

第五章 基于指派问题的生物粒子跟踪算法

5．1 基于线性指派问题的粒子跟踪算法

5．1．1 基于线性指派问题的粒子跟踪算法原理

5．1．2 基于线性指派问题的粒子跟踪算法实现

5．2 基于线性指派问题的改进粒子跟踪算法

5．2．1 生物微粒子跟踪中存在的问题

5．2．2 基于指派跟踪方法的改进思想

5．2．3 基本指派问题的改进算法实现

5．3 实验结果

5．4 本章小节

第六章 总结与展望

6．1 总结

6．2 展望

致谢

研究成果及发表的学术论文

作者和导师简介

参考文献