论文部分内容阅读
基于光学显微成像技术的植物活细胞生长发育规律的研究，对生命科学基础研究具有重大的意义。因此，对共聚焦显微镜图像中细胞追踪算法的研究具有非常重要的理论和应用价值。本论文研究的对象是由共聚焦显微镜采集的植物顶端分生组织(Shoot Apical Meristems，SAM)的细胞图像，植物体的其他组织和器官均由顶端分生组织的细胞增生和分化而来，对它的研究有利于人类进一步掌握农作物的生长发育规律。 本文对植物细胞图像的分割、配准和细胞追踪进行了深入的研究，其主要难点在于：①细胞呈高度密集蜂窝状排布，且图像中噪声较多；②细胞的形状大小具有随机性，且颜色和灰度信息也非常相似，因此很难提取到有明显区分度的特征；⑧前期算法在匹配过程中，易出现错误积累的问题；④细胞在分裂时，自身特征发生了跳跃性的变化，对追踪造成一定的困难。 因此，针对上述难点，本文完成的主要工作如下：首先，使用分水岭算法对图像进行分割，该算法能有效分割出大部分细胞的边界。其次，本文提出了一种基于局部拓扑结构的特征点提取方法，并使用基于特征点匹配的配准方法进行配准，该方法有效避免了因图像旋转导致的邻细胞标号对应错误的问题，提高了所找到特征点的准确性，有效的配准工作为细胞追踪打下了坚实基础。最后，在细胞追踪方面，本文提出了一种基于条件随机场的动态调整匹配算法对含有噪声的细胞图像进行细胞追踪：(1)在蜂窝状结构的细胞图像中建立条件随机场模型，利用细胞与其相邻细胞在空间上的紧密拓扑关系，以及时域中相邻帧图像间的相互关系作为上下文信息对细胞进行追踪；(2)本文针对含有噪声的细胞图像追踪易出现匹配错误的问题，提出了动态调整匹配的算法，即在每次匹配的过程中，选取己匹配细胞的邻细胞作为候选细胞，然后只匹配其中最优的那一对细胞。该方法有效改善了先前方法在匹配过程中错误累积的问题，提高了追踪的准确率。 本文提出的追踪算法充分利用了细胞自身的特征、细胞与邻细胞之间的空间结构信息、以及时域上前后两帧细胞的约束条件。实验证明，该算法在原图像含有噪声情况下，具有较高追踪准确率和稳定性。与之前提出的方法相比，本文所提出的方法在噪声细胞图像中追踪正确率提高了约10%。