視覺跟蹤算法的研究及其在生物運動分析中的應用.pdf

1、生物體在其生理活動過程中會表現(xiàn)出各種運動形式，對這些運動形式做追蹤是有生理意義的。通過對這些動態(tài)過程作追蹤可以揭示某些生理機制、測量某些生理特征參數(shù)或者定量分析某些運動機能水平。 本文以基于序列圖象的視覺跟蹤技術為基礎和手段，對生物醫(yī)學領域內(nèi)的幾個不同空間層面上的跟蹤問題進行了探討研究： 1．為探討GLUT4分泌囊泡在脂肪細胞膜上的轉(zhuǎn)運機制，本文使用了TIRF顯微鏡技術實時動態(tài)地觀測了GLUT4在胰島素刺激后在細胞膜附近

2、的轉(zhuǎn)運過程，并提出了基于Kalman濾波的三維單粒子跟蹤算法。首先，熒光淬滅的補償算法被提出用于解決囊泡因熒光淬滅而引起的亮度減弱的問題。在校正了圖象亮度后，本文應用了自適應的背景減除算法分割出跟蹤囊泡，濾去了大部分靜止的熒光顆粒，排除了大部分背景干擾。然后在跟蹤過程中引入了Kalman濾波算法來預測被跟蹤的囊泡在下一幀的大致位置。最后通過利用高斯擬合的方法來測量囊泡的亮度變化并結(jié)合TIRF顯微鏡的消散場成像特點來間接計算了Z軸方向的運

3、動。實驗結(jié)果表明：整個跟蹤算法在三維方向上較好地跟蹤了GLUT4囊泡的長距離運動。首先，補償算法校正了受淬滅影響而減弱的囊泡亮度，但同時避免了修正因囊泡在z軸方向的運動而引起的亮度變化。補償算法保證了被跟蹤囊泡在Z軸方向上位置信息計算的準確性，也保證了背景減除算法的穩(wěn)定。其次，基于Kalman濾波的預測大大減小了跟蹤算法在下一幀的搜索范圍，從而提高了算法的運算速度，而且也避免了噪聲、非目標囊泡的干擾影響，提高了算法的可靠性。 2

4、．為了測量大鼠微血管中的血流速度，本文通過將熒光標記的自身紅細胞注入SD大鼠體內(nèi)，在生物熒光顯微鏡的暗視場下觀測了標記紅細胞在大鼠微血管中的流動情況。在對暗視場序列圖象的分析過程中，本文利用了幀圖象分離出奇偶場的圖象分析方法測定了血流速度。為了驗證該測量方法，在相同測量系統(tǒng)下測量了流動小室流場中熒光小球的流速。最后把該測量方法應用于微循環(huán)障礙實驗中。實驗結(jié)果表明：本文的流速測量方法是有效可靠的，在驗證實驗中得到的測量值與實際值之間的誤差

5、小于7％，兩者沒明顯的差異(P>0.05)；在微循環(huán)障礙實驗中，得到了血流速度的變化情況，很好地反映了大鼠微循環(huán)障礙的生理變化情況，也間接印證了測量方法的有效性。 3．為了建立中風病人的愈后評價方法，本文通過普通視頻觀測了人體上肢的運動，并提出了基于顏色模型的Kalman-Particle(KP)濾波跟蹤算法。在KP濾波算法中，Kalman濾波器作為局部線性優(yōu)化器被引入傳統(tǒng)粒子濾波算法的采樣階段來得到一個更好的重要密度分布。在計

6、算Kalman濾波器的測量值過程中，顏色聚類算法提供了獨立的測量模型，其計算結(jié)果也被用于遮擋問題的處理，最后KP算法引入了遮擋處理機制。 本文分別比較了KP濾波算法和Kalman線性濾波算法、傳統(tǒng)的粒子濾波算法。結(jié)果表明：KP算法不但具有傳統(tǒng)的粒子濾波算法的處理非線性、多模態(tài)的能力，能很好背景干擾的情況，而且KP算法在采樣階段使得粒子大多集中在高概率分布的區(qū)域，從而減小了粒子的退化現(xiàn)象并大大減少了粒子數(shù)目，進而提高了運算速度。此

7、外，KP算法能夠很好的處理長時間的完全遮擋的情況。 對上述幾個生物醫(yī)學領域中跟蹤問題的研究既要求設計合理的實驗方案來獲得真實、可靠的圖象序列，又要求采用有效的跟蹤算法來跟蹤目標取得運動參數(shù)。正是基于這兩點，作者對上述幾個跟蹤問題進行了探索性研究，并取得了以下創(chuàng)新成果：提出了熒光淬滅補償算法和基于Kalman濾波的三維單粒子跟蹤算法用于GLUT4囊泡轉(zhuǎn)運過程的追蹤；提出了基于序列圖象分析的大鼠微血管血流速度的測量方法以及流動小室驗