高維圖像紋理跟蹤算法研究.pdf

1、圖像跟蹤是圖像處理中的主要問(wèn)題，也是一個(gè)經(jīng)典難題。一直以來(lái)，很多研究人員就在這個(gè)領(lǐng)域中根據(jù)應(yīng)用環(huán)境的不同建立了各種模型，但是始終沒(méi)有一個(gè)通用且完美的跟蹤算法。近些年來(lái)隨著醫(yī)學(xué)圖像采集水平的不斷提高，醫(yī)學(xué)圖像中的跟蹤問(wèn)題也受到越來(lái)越多研究人員的重視。但是隨之而來(lái)的問(wèn)題是現(xiàn)代的顯微技術(shù)使得人們很難人工的對(duì)獲得的海量數(shù)據(jù)進(jìn)行處理和分析，所以生物學(xué)家們急迫的需要一些能夠快速并且具有很好魯棒性的自動(dòng)圖像分析技術(shù)來(lái)幫助他們。與普通的自然圖像或視頻不

2、同，這些被采集的生物體本身的結(jié)構(gòu)和特征能帶來(lái)大量的輔助信息。如何利用好這些先驗(yàn)信息來(lái)幫助人們進(jìn)行特定目的的跟蹤是人們研究的主要方向。本文的研究重點(diǎn)是共焦熒光顯微圖像，這種圖像在生物醫(yī)學(xué)圖像領(lǐng)域有著廣泛的應(yīng)用，但是在處理上也存在諸多難點(diǎn)。對(duì)管狀結(jié)構(gòu)來(lái)說(shuō)，劇烈的方向變化和粘連纏繞等問(wèn)題是分割跟蹤的主要挑戰(zhàn)，對(duì)似球狀的細(xì)胞圖像來(lái)說(shuō)，各種有絲分裂的狀態(tài)變化和內(nèi)部亮度的劇烈變化也給跟蹤和識(shí)別帶來(lái)很大難度。本文首先回顧了在醫(yī)學(xué)處理領(lǐng)域常用的軸線提取

3、和多目標(biāo)跟蹤的算法。然后分別在兩種應(yīng)用場(chǎng)景下對(duì)高維圖像的跟蹤算法進(jìn)行了研究。首先是對(duì)共焦顯微圖像中的神經(jīng)細(xì)胞軸突的形態(tài)學(xué)結(jié)構(gòu)(軸線)的提取，對(duì)這種三維管狀生物結(jié)構(gòu)的可視化成像和分析會(huì)對(duì)神經(jīng)學(xué)研究者理解神經(jīng)的功能及其演化起著重要的作用。本文在無(wú)跡卡爾曼濾波的體系下提出了一種新的基于能量的非線性預(yù)測(cè)模型。與基于海瑟矩陣或者基于分割的方法不同，該方法是在管狀物體中引入一個(gè)橢球形的核，通過(guò)最大似然的方法求得該橢球核在圖中的最大能量路徑。同時(shí)受到

4、方向懲罰因子的控制，來(lái)更好的控制跟蹤方向。通過(guò)對(duì)不同神經(jīng)軸突的局部能量大小評(píng)判來(lái)確定跟蹤優(yōu)先級(jí)和確定跟蹤禁區(qū)，以此來(lái)解決不同神經(jīng)軸突圖像互相粘連和纏繞的問(wèn)題。這是一個(gè)半自動(dòng)的方法，需要給定一個(gè)跟蹤起始點(diǎn)來(lái)完成跟蹤過(guò)程。實(shí)驗(yàn)結(jié)果表明這個(gè)方法能夠很好的處理復(fù)雜的三維管狀結(jié)構(gòu)，并且不需要預(yù)分割結(jié)果予以輔助。然后是對(duì)三維金槍魚(yú)細(xì)胞圖像的時(shí)間序列進(jìn)行分割和跟蹤。目前對(duì)疾病模型的研究和藥物研發(fā)都是基于對(duì)脊椎動(dòng)物系統(tǒng)的大量圖像分析，金槍魚(yú)則是目前最好