[发明专利]基于信息素预测的蚁群多细胞跟踪系统

摘要

本发明公开了一种基于信息素预测的蚁群多细胞跟踪系统，包括四个模块：信息素场预测模块、蚂蚁决策模块、信息素场的高斯拟合模块和状态估计模块的分析，实现多细胞的跟踪；原始图片输入后，基于前一帧细胞信息素场高斯拟合的结果，利用高斯混合模型进行信息素场预测；在基于信息素梯度的蚂蚁工作模式下利用基于钟形曲线的信息素扩散模型构建信息素场；然后通过K‑均值聚类的方法，在去除由杂波导致的虚假目标后进行细胞位置估计，最后利用细胞距离特征关联获取细胞运动轨迹，实现多细胞的跟踪。

主权项

基于信息素预测的蚁群多细胞跟踪系统，包括如下模块：信息素预测模块，输入原始图片，基于前一帧细胞信息素场高斯拟合的结果，利用高斯混合模型进行信息素场预测，包括存在细胞、分裂细胞和新生细胞的信息素预测；蚂蚁决策模块，利用基于信息素梯度信息的蚂蚁工作模式及基于钟形曲线的信息素扩散模型构建信息素场，实现近距离细胞跟踪；信息素场的高斯拟合模块，在信息素场构建完成后，利用EM算法进行高斯混合模型参数估计，实现信息素场的拟合，用于下一帧细胞信息素预测细胞状态提取模块，基于信息素场构建，利用K均值聚类的方法对信息素场进行分类，去除由杂波导致的虚假目标后进行多细胞位置估计，利用细胞距离特征进行数据关联获取细胞运动轨迹及相关的动力学参数；其特征在于：其中所述的蚂蚁决策模块中构建信息素场中的基于信息素梯度信息的蚂蚁工作模式：1)蚂蚁根据概率选择领域内像素进行移动，若蚁群中的蚂蚁a处于像素i所在位置，考虑近距离细胞状态相互耦合，需要引导蚂蚁向细胞中心位置移动，则该蚂蚁选择其邻域内某一像素j的概率为：Pi,ja(t)=τj(t)αηjβ[▿τj(t)]γΣj∈Ω(i)τj(t)αηjβ[▿τj(t)]γ,ifj∈Ω(i)0,otherwise,]]>其中Ω(i)为像素i的近邻像素集，为信息素，▽τj(t)为像素j的信息素梯度值α,β,γ分别为信息素和似然函数值及信息素梯度的控制参数；ηj为启发式函数；为了引导蚂蚁快速向目标移动，当蚂蚁位于目标像素外时其中是坐标为(x,y)像素点j的灰度值，T1与T2分别为坐标x和y的最大值；当蚂蚁位于目标像素上时，为训练模板数据，q为向量个数；ν为核带宽，κ是为调节系数；为巴氏距离具体为