化如细胞分裂等这些特殊的情况使用了个比较适合的算法。细胞跟踪的总体过程示意图如下图所示图跟踪细胞总体过程示意图细胞跟踪方法综述视频监测中运动目标跟踪的作用非常重要，因为它不仅仅可以提供被监测目标的运动轨迹这个必要信息，而且也为之后场景中为分析运动目标以及场景提供了可靠的数据来源，于此同时运动目标的跟踪信息也为运动目标的正确检测以及运动目标的识别提供定的帮助。纠正后得到的分割结果根据拓扑结构和阈值判断细胞行为基于重叠法形成拓扑结构对于没有匹配对象的细胞进行个圆形区域内的搜索形成拓扑结构根据拓扑结构和阈值判断细胞行为浙江工业大学硕士学位论文目前己经有很多种目标跟踪方法，总体上看个目标跟踪系统工作过程最主要有以下几个步骤组成视频序列中检测得到可能的运动区域及目标提取检测得到的可能的运动区域及目标的特征并进行初步分类预测下时刻检测到的可能的目标或运动区域可能运动到的位置以确定可能的目标或运动区域在下时刻的搜索范围④在预测到的搜索范围以内，用前时刻可能的目标或运动区域的特征信息做相应的匹配搜索，寻找最优的匹配目标，当在预测的范围内在下帧中没有查找到相应的匹配目标时当前帧这个目标需要做例外处理用匹配到的目标图像重新修定被跟踪目标的特征数据和现存的未匹配目标库，然后跳到步，如此反复直到跟踪完所有目标，最后可以得到目标的运动轨迹。在目标跟踪这个领域，现存的跟踪方法各有千秋，但万变不离其宗，归纳起来就是求全局或局部的最近或最像的匹配对，大体有以下这几种跟踪算法图论算法算法和卡尔曼滤波器。图论使用图论进行细胞跟踪算法是种比较新兴的细胞跟踪算法，根据人群模型的原理，当有大量的细胞时，这些细胞的相对位置将是相对稳定的，因此在大数量细胞时图论比其他算法有定的优势，而且其与人类的认知过程更为致，潜在地减小了计算复杂度，定程度上克服了因为单个细胞特征的不稳定所引起的跟踪效果不良的问题。在年初欧拉研究了哥尼斯堡七桥这个问题，从而发表了关于图论的首篇图论的论文，首次提出并开创了图论这门重要的科学。图论其是数学领域的个重要的分支，研究边和顶点所组成的图形的种数学理论及方法。其中顶点抽象地表示事物而连接两定点的边被用来表示事物间的联系，般其边的权值会随着参考物与目标间相对的位置关系的变化而发生相应的变化。图论方法被用到细胞跟踪问题之中的时候就是用个权重值相加的方法来表示目标细胞与周围的临近细胞之间的相对关系。权重函数中通常把目标细胞与附近细胞的位置关系用角度来表示并且和目标细胞相对靠近的细胞拥有相对较大的权重值。拓扑权值般是由角度和权重值组成。拓扑权值越接近的就越可能是所要匹配的目标细胞在该帧的位置。算法浙江工业大学硕士学位论文在年末等人提出了算法的概念，其最早的含义正如其名指的是个偏移了的均值向量。在年初由在均值平移算法中引入了核函数，从而均值偏移向量给出的贡献值随样本到被偏移点之间的距离的改变而改变，于此同时对于不同的样本点用权重系数使其重要性变得不同从而使得均值平移算法的适用范围变大了。因为在特征空间搜索方面拥有的高效性，所以近年来被广泛地应用在了各个目标跟踪领域当中。均值平移算法算法是个实用的计算局部最优解的算法，其优点是具有快速有效，容易集成，当其以灰度直方图分布作为跟踪模板时，其对目标旋转背景运动目标非刚性形变或者轻微遮挡均不敏感，具有定的鲁棒性。但是此方法对分割得到的目标精度要求高，分割结果很差时因为特征变化过大从而变得无法被正确追踪其对于帧中的细胞分布这个整体的全局性变化不敏感，如发生过分割或欠分割时再或者有细胞从图像边缘消失时，因为算法是局部最优性，当出现多个局部峰值的时候算法可能会因为收敛于局部最优值而造成无法正确进行追踪。所以当发生细胞分裂个细胞变个细胞过分割个细胞变堆碎片和欠分割多个细胞变成个细胞簇等这类细胞数量发生变化的情况的时候，算法作为对的跟踪算法有其无法克服的缺陷。卡尔曼滤波器是发源于意大利数学家的在年初发表的论文提出了利用对以往信号的统计估计预测未来时刻可能的值。其算法具有可实时计算计算量小等优点，可以较为准确的预测目标下帧中的位置和大致速度。卡尔曼滤波器有在先验信息不准确的时候滤波器发散从而导致跟踪环路失锁，需要精确地知道系统的噪声统计特性和模型参数等缺点。因为在本研究中样本不足的情况下先验信息不足这个问题变得非常突出，所以本研究不适合使用卡尔曼滤波器。算法算法也是可以用作追踪的，原理及优缺点见分割部分的介绍。基于多假设追踪的细胞跟踪在前章已经比较系统地阐述了多假设追踪的理论。许多跟踪算法在理论上是希望找到相邻两帧间最近的区域或最相似的区域，而多假设浙江工业大学硕士学位论文追踪是个求最大概率的问题，即最可能的是什么，所以相比其他些算法能应付很多复杂的情况。当然，因为在绝大多数情况下组合最优的最优解的时间复杂度是很难让人接受的，而大多数优化无法证明其得到的是真正的最优解，事实上在这篇论文的方法只是想获得些次优解。跟踪可以被分成个步骤。步骤，基于重叠法形成数据聚簇拓扑结构。步骤，用拓扑结构和阈值来判定移动或细胞分裂这两种假设。步骤，经过步骤有细胞遗留，如果遗留的细胞的则遗留的细胞形成数据聚簇拓扑结构。步骤，用拓扑结构和阈值来判定快速移动，在边界处消失或消失这三种假设。基于重叠法形成数据聚簇拓扑结构步骤，基于重叠法形成数据聚簇拓扑结构，其理论与过程同纠正模块的重叠法形成数据聚簇。也就是根据∩≠将前后两帧的区域互联。基于拓扑结构和阈值移动或细胞分裂这两种假设的判定步骤，用拓扑结构和阈值来判定移动或细胞分裂这两种假设。假设组合与剪枝的次序主要是考虑复杂度和，然后用模板式的拓扑结构加阈值进行剪枝，复杂度低的先被判定，如果相同复杂度则小的先被判定，具体可以参考第。移动假设的判定对于移动假设，其典型拓扑结构如下图，在第帧的个细胞有个端点与其相连，在这个拓扑结构下，在前帧的个细胞很可能是通过移动位置或改变形状变成当前第帧的细胞。图移动假设的追踪示意图及其典型拓扑结构浙江工业大学硕士学位论文上图第行第列第帧的分割结果及跟踪结果，即前帧的关联假设集。第行第二列第帧的分割结果。第二行第帧的分割结果和第帧的分割结果互联形成的簇拓扑结构。移动的阈值视特定的细胞类型，例如，函数只能作为论文提供分割结果的阈值而不能作为的阈值。∩,这里，表示至少有个区域或接近边界，因为边界的遮挡，所以阈值与非边界细胞有所不同。代表前帧中区域的面积，代表当前帧中区域的面积，表示像素。细胞分裂假设的判定对于细胞分裂，如下图所示，在当前帧的端点在下帧中有二端点和它连接。图细胞分裂假设的追踪示意图及其典型拓扑结构上图中第行第列处于分裂前的第帧细胞。第行第二列第帧分裂后的细胞，其中蓝色五角星为细胞分裂发生的地点。第二行第帧的分割结果和第帧的分割结果互联形成的簇拓扑结构。细胞分裂的阈值视特定的细胞类型，例如，函数只能作为中分割结果的阈值而不能作为的阈值。这里，代表这个细胞在这个细胞的历史中的其中帧中的平均灰度。代表这个细胞浙江工业大学硕士学位论文在这帧时的面积。函数代表细胞分裂的细胞必定会经历个变亮变小的过程，如下图所示。图在细胞分裂前必然经历的显著特征。上图为在细胞分裂前必然经历的显著特征，这个特征旦出现就被作为支持细胞分裂假设的重要历史证据记录在该细胞名下，当细胞分裂假设所需的拓扑结构出现时其将被作为细胞分裂是否发生的重要依据。遗留的细胞形成数据聚簇拓扑结构步骤形成数据聚簇拓扑结构其理论与过程类似与步骤，只是不必是重叠的，只要小于，如图所示。，用区域重心的欧氏距离表示。如果两区域间的欧氏距离比小，本文只考虑距离，如果大于等于，则考虑，事实上因为本文研究对象的位移很小所以两区域大于等于就可以忽略这两区域间的联系。浙江工业大学硕士学位论文图处理非重叠但互相接近的细胞。基于拓扑结构和阈值的快速移动，在边界处消失或消失这三种假设的判定步骤，拓扑结构和阈值来判定快速移动，在边界处消失，消失及出现这四种假设。对于快速移动，在前帧的每个细胞有且只有个端点链接它。快速移动的阈值视特定的细胞类型，例如，函数只能作为中分割结果的阈值而不能作为的阈值。有它的自己的阈值策略。消失的拓扑结构可以是在前帧的个端点在当前帧的没有与它相连的端点，消失发生的地点用粉红色叉叉表示，在本实验中，消失般都是由分割或跟踪造成的。边界消失的拓扑结构是在前帧的个端点没有在当前帧的端点与它相连，且这个细胞临近边界，边界消失发生的地点用黄色圆圈标出。在前帧没有细胞或碎片与当前帧细胞有密切的关系，如此细胞在当前这帧是第次出现，出现发生的地点用红色棱形表示。浙江工业大学硕士学位论文证据不足区域的剔除并非所有小区域都是细胞，其有可能是噪声或细胞类似物。部分过分割产生的小区域，即使其是细胞的部分，也因为些原因可能没有保留的价值，可以剔除在细胞轨迹图外。下图是两种情况的典型案例。第帧分割结果及拓扑本文跟踪结果论文的追踪结果图非细胞小区域的剔除上图中图为第帧的分割结果左上，第帧分割结果右上及两帧间区域形成的拓扑结构下，为本文第帧跟踪结果，论文的第帧的追踪结果。非细胞小区域的剔除是种策略，对实验结果统计图，表明，利大于弊。第帧分割结果及互联形成的拓扑本文帧的跟踪结果论文的第帧的追踪结果图过分割产生的小区域的剔除上图，分别为，第帧的分割结果左上，第帧分割结果右上，第帧的区域与第帧的区域互联形成的拓扑结构中，为本文第帧跟踪结果，论文的第浙江工业大学硕士学位论文帧的