資源描述：
《基于交互式多模型濾波器的多細胞追蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代號10532學(xué)號S150900770分類號TP391密級公開碩士學(xué)位論文基于交互式多模型濾波器的多細胞追蹤算法研究學(xué)位申請人姓名何悅培養(yǎng)單位電氣與信息工程學(xué)院導(dǎo)師姓名及職稱劉敏教授學(xué)科專業(yè)控制科學(xué)與工程研究方向控制理論與控制工程論文提交日期2018年4月16日學(xué)校代號：10532學(xué)號：S150900770密級：公開湖南大學(xué)碩士學(xué)位論文基于交互式多模型濾波器的多細胞追蹤算法研究學(xué)位申請人姓名：何悅導(dǎo)師姓名及職稱：劉敏教授培養(yǎng)單位：電氣與信息工程學(xué)院論文提交日期：2018年4月16日論文答辯日期：2
2、018年5月15日答辯委員會主席：劉小燕Researchonmulti-celltrackingbasedonInteractingMultipleModelfilteralgorithmbyHEYueB.E.(HenanPolytechnicUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineerin
3、gintheGraduateSchoolofHunanUniversitySupervisorProfessorLIUMinApril,2018湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了
4、解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密?，在______年解密后適用本授權(quán)書。2、不保密?。(請在以上相應(yīng)方框內(nèi)打“√”)作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日I基于交互式多模型濾波器的多細胞追蹤算法研究摘要細胞追蹤問題的研究，對建立細胞的生長發(fā)育模型并探索生命體基因的
5、結(jié)構(gòu)和功能至關(guān)重要。本文研究的主要內(nèi)容是顯微圖像棧序列中植物頂端分生組織細胞群的追蹤問題。植物細胞的追蹤不同于動物細胞以及普通物體的追蹤，其主要難點在于：①植物細胞群高度密集，并呈蜂窩狀排布；②顯微圖像棧中含有較多的噪聲，對細胞的識別以及細胞軌跡的重建造成干擾；③細胞圖像在采集過程中間隔時間較長，導(dǎo)致細胞追蹤過程中難免出現(xiàn)間斷情況。針對以上難點，本文的主要工作和創(chuàng)新點如下：本文使用了一種基于機器學(xué)習(xí)的細胞分割方法對植物細胞圖像進行自動分割。該方法首先識別出最大穩(wěn)定極值區(qū)域作為候選細胞樣區(qū)域，接下來使用
6、結(jié)構(gòu)化支持向量機對少量樣本點進行訓(xùn)練學(xué)習(xí)，根據(jù)學(xué)習(xí)到的細胞外觀模型對每個候選區(qū)域進行評價，動態(tài)選擇出與模型最匹配的非重疊區(qū)域作為細胞識別的結(jié)果，以達到細胞分割的目的。對于細胞追蹤，本文設(shè)計了一種利用局部圖匹配模型與交互式多模型（InteractingMultipleModel，IMM）濾波器相結(jié)合的方法實現(xiàn)細胞的快速追蹤。該濾波器結(jié)合了三種運動形式的卡爾曼濾波模型，與單一模型的卡爾曼濾波器相比，具有參數(shù)在線自適應(yīng)的IMM濾波器增強了對不同細胞動力學(xué)的跟蹤能力，并提供了附加的運動模式識別能力。前期開發(fā)的
7、局部圖匹配是用圖描述細胞之間的拓撲結(jié)構(gòu)進行細胞間的匹配，本文的追蹤算法通過IMM濾波器預(yù)測細胞的位置，然后利用局部圖匹配方法在預(yù)測位置的局部鄰域搜索目標(biāo)細胞，將匹配細胞的位置作為觀測值再輸入給運動濾波器進行校正，從而實現(xiàn)遞歸追蹤。受圖像噪聲、細胞采樣消失或者分割錯誤等原因的影響，細胞軌跡很容易出現(xiàn)斷續(xù)情況。因此，在追蹤算法得到置信度高的細胞小軌跡片段集合之后，本文提出使用最大后驗概率方法在時間特征、空間特征與視覺特征上對細胞小軌跡進行匹配分析，最終將屬于同一細胞的多段小軌跡再次連接起來，得到更加完整可
8、靠地細胞生長軌跡數(shù)據(jù)。最后，通過對細胞分割和追蹤算法在三組圖像序列數(shù)據(jù)集上的測試，驗證了本文提出的方法能夠有效實現(xiàn)對植物細胞序列的并行穩(wěn)定追蹤。關(guān)鍵詞：細胞追蹤；細胞分割；交互式多模型濾波；局部圖匹配；細胞小軌跡關(guān)聯(lián)II碩士學(xué)位論文AbstractThestudyofcelltrackingissuesiscriticaltoestablishingcells’growthmodelandexploringitsgeneticstructureandfu
