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題，也是一個經(jīng)典難題。一直以來，很多研究人員就在這個領(lǐng)域中根據(jù)應用環(huán)境的不同建立了各種模型，但是始終沒有一個通用且完美的跟蹤算法。近些年來隨著醫(yī)學圖像采集水平的不斷提高，醫(yī)學圖像中的跟蹤問題也受到越來越多研究人員的重視。但是隨之而來的問題是現(xiàn)代的顯微技術(shù)使得人們很難人工的對獲得的海量數(shù)據(jù)進行處理和分析，所以生物學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圖像分析技術(shù)來幫助他們。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)和特征能帶來大量的輔助信息。如何利用好這些先驗信息來幫助人們進行特定目的的跟蹤是人們研究的主要方向。本文的研究重點是共焦熒光顯微圖像，這種圖像在生物醫(yī)學圖像領(lǐng)域有著廣泛的應用，但是在處理上也存在諸多難點。對管狀結(jié)構(gòu)來說，劇烈的方向變化和粘連纏繞等問題是分割跟蹤的主要挑戰(zhàn)，對似球狀的細胞圖像來說，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別帶來很大難度。本文首先回顧了在醫(yī)學處理領(lǐng)域常用的軸線提取

3、和多目標跟蹤的算法。然后分別在兩種應用場景下對高維圖像的跟蹤算法進行了研究。首先是對共焦顯微圖像中的神經(jīng)細胞軸突的形態(tài)學結(jié)構(gòu)(軸線)的提取，對這種三維管狀生物結(jié)構(gòu)的可視化成像和分析會對神經(jīng)學研究者理解神經(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測模型。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橢球形的核，通過最大似然的方法求得該橢球核在圖中的最大能量路徑。同時受到

4、方向懲罰因子的控制，來更好的控制跟蹤方向。通過對不同神經(jīng)軸突的局部能量大小評判來確定跟蹤優(yōu)先級和確定跟蹤禁區(qū)，以此來解決不同神經(jīng)軸突圖像互相粘連和纏繞的問題。這是一個半自動的方法，需要給定一個跟蹤起始點來完成跟蹤過程。實驗結(jié)果表明這個方法能夠很好的處理復雜的三維管狀結(jié)構(gòu)，并且不需要預分割結(jié)果予以輔助。然后是對三維金槍魚細胞圖像的時間序列進行分割和跟蹤。目前對疾病模型的研究和藥物研發(fā)都是基于對脊椎動物系統(tǒng)的大量圖像分析，金槍魚則是目前最好