顯微視頻數據中的擴展目標跟蹤方法研究

《顯微視頻數據中的擴展目標跟蹤方法研究》是依託哈爾濱工業大學，由趙玲玲擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：顯微視頻數據中的擴展目標跟蹤方法研究
• 依託單位：哈爾濱工業大學
• 項目類別：青年科學基金項目
• 項目負責人：趙玲玲

項目摘要

本項目以序列顯微圖像中數目變化未知的具有一定形態特徵和多種運動模式的觀測目標為研究對象，針對顯微圖像中被觀測對象存在的新生、消亡、分裂、融合等複雜動態特性，以及顯微圖像的解析度、對比度和信噪比等約束條件下，從擴展目標角度研究顯微圖像中目標群體的整體運動特性和具有差異特徵的個體運動特性的識別與跟蹤方法，在隨機有限集理論、直覺模糊理論和圖像分析相關方法基礎上，以勢機率假設密度濾波、粒子濾波、直覺模糊集方法為核心，建立完整的時間序列顯微圖像中具有一定形態特徵的動態目標的自動檢測和運動軌跡重建的方法和框架，解決針對顯微圖像的擴展目標測量提取、狀態估計和狀態關聯問題，以提高顯微視頻中低對比度、低信噪比和複雜運動模式下的未知時變的多目標的跟蹤精度，為分子級和細胞級的被觀測目標在生物和醫學領域的其他特性分析和研究提供支持。

結題摘要

本項目研究序列顯微圖像中數目變化未知的觀測目標的跟蹤問題，針對顯微圖像中被觀測對象存在的新生、消亡、分裂、融合等複雜動態特性，從多個角度研究顯微圖像中目標的識別與跟蹤方法。分別對顯微視頻圖像處理與分割、基於機器學習的細胞跟蹤、基於隨機有限集框架下的機率假設密度濾波、勢機率假設密度濾波、標籤多貝努力濾波、粒子濾波的顯微視頻目標連續跟蹤和加速跟蹤方法進行了研究。提出了基於多尺度 log-filter的顯微視頻圖像分割方法，在機器學習方法框架下提出了基於有監督學習和主動學習的細胞跟蹤；在隨機有限集濾波方法框架下，提出基於分解PHD的機率假設密度濾波連續跟蹤方法和勢機率假設密度濾波連續跟蹤方法；在上述研究基礎上，建立了顯微視頻擴展目標模型和多特徵目標模型，提出了基於機率假設密度濾波的顯微視頻目標跟蹤框架和基於標籤多貝努力濾波的顯微視頻目標跟蹤體系；最後分別從算法最佳化、測量分割、分散式計算角度設計了多種加速跟蹤方法。這些研究建立了完整的時間序列顯微圖像中具有一定形態特徵的動態目標的自動檢測和運動軌跡重建的方法和框架，解決了針對顯微圖像的多特徵目標測量提取、狀態估計和狀態關聯問題，顯著提高了顯微視頻中各類複雜條件下的未知時變的顯微視頻目標的跟蹤精度和跟蹤效率。