基于壓縮感知的延時視頻序列運動細胞跟蹤方法
【技術領域】
[0001] 本發明涉及一種延時視頻序列運動細胞跟蹤方法，特別涉及一種基于壓縮感知的 延時視頻序列運動細胞跟蹤方法。
【背景技術】
[0002] 現有的延時視頻序列運動細胞跟蹤方法主要有兩類：一類是基于參數模型的，實 時跟蹤中需要對參數進行不斷的更新；另一類是基于圖像分割的，需要先分割圖像得到細 胞區域。
[0003]文獻"LouX，SchieggM，HamprechtF.ActiveStructuredLearningforCell Tracking:Algorithm,Framework,andUsability[J].IEEETransactionsonMedical Imaging, 2014. "公開了一種主動結構學習的運動細胞跟蹤方法。提出了一種目標任務模型 的延伸構想，將更多的復雜的目標特征和事件考慮進模型，這種更加復雜的目標任務模型 增加了需要學習的參數。接下來從訓練數據中利用最大邊界結構學習方法主動學習最優參 數，從而實現了運動細胞的跟蹤。文獻所用特征擴展目標任務模型利用了更多的目標特征 數據，增加了算法的時間復雜性。

【發明內容】

[0004] 為了克服現有延時視頻序列運動細胞跟蹤方法復雜的不足，本發明提供一種基于 壓縮感知的延時視頻序列運動細胞跟蹤方法。該方法將壓縮感知引入到延時視頻序列運動 細胞的跟蹤中，首先對延時視頻序列每一幀中運動細胞進行粗分割，依據分割結果確定每 個細胞所在的一個矩形檢測窗口；然后，在該矩形檢測窗口內，使用一族隨機生成的濾波器 對原始細胞圖像進行隨機采樣，將該矩形檢測窗口內的圖像變換到高維特征空間；接著，構 造一個隨機稀疏矩陣，將窗口內的圖像從高維特征空間映射到低維特征空間，形成對矩形 窗口內細胞圖像信息的有效描述特征；最后，將所得的描述特征帶入訓練好的樸素貝葉斯 分類器，判定該窗口區域是否真的還有上一幀中附近位置出現的細胞，從而實現細胞跟蹤。 這種基于壓縮感知的延時序列運動細胞跟蹤方法，將圖像特征從高維特征空間映射到低位 特征空間，從而降低了復雜度。
[0005] 本發明解決其技術問題所采用的技術方案是：一種基于壓縮感知的延時視頻序列 運動細胞跟蹤方法，其特點是包括以下步驟：
[0006] 步驟一、對于歸一化后的一幀視頻序列圖像I，其中像素點s的像素值 表示為{I(S)e[0, 1]:seS}。定義一個寬度為M、高度為N的圖像塊S，S= {(X，y) :1彡X彡M，1彡y彡N}表示其中像素點的集合。定義7X7窗口大小的濾波器如 下：
[0007]
(1)
[0008] 式中，η表示閾值，c(s)<η表示濾波器窗口內像素值小于閾值η的像素點個數， 表示濾波器窗口內像素大于等于閾值η的像素點個數，Γ(s。）表示濾波后的濾波器窗口中 心點像素s。的像素值。
[0009] 用式（2)的濾波器窗口在圖像上逐點遍歷之后，得到分割后細胞圖像和背景。 [0010] 用四連通外接最小矩形邊界框提取細胞的邊緣，得到矩形圖像塊，作為細胞的原 始?目息〇erwxh。
[0011] 步驟二、對于某一細胞原始信息0erwxh，按照步驟一中定義的寬度為m、高度為N 的濾波器在原始細胞信息周圍隨機采樣。經過濾波器采樣后，得到某一細胞所有圖像塊信 息，包括正樣本和負樣本，且正負樣本數量相等。
[0012] 將采樣得到的某一細胞所有圖像塊0轉化為向量形式，記作
[0013] 對于一幀細胞圖像中所有細胞采樣，利用壓縮感知理論，由式（3)計算得到細胞 采樣信息的降維稀疏表示特征Ve妒，
[0014] V=ΦΧ (3)Q為固定值50且遠小于￥ΧΗ，Φ表示稀疏化矩陣，VeRSVfV 為所得到的降維樣本信息。
[0015] 步驟三、由某一細胞采樣得到的特征經過稀疏化壓縮后的特征向量Ve妒，設計貝 葉斯分類器if:
[0016]
⑷
[0017] k取0或1，表示正樣本或負樣本，P(Yi= 0) =P(Y;= 1) = 0· 5 ;
[0018] 提取到的細胞每個樣本的特征所有元素統計特性看作獨立高斯分布，利用其期望 和方差，轉換式（4)為：
[0019]
(5)
[0020] 經過下式計算得到結果H(YJ，
[0021]
(Ο)
[0022] 比較結果H(YJ大小，使結果最大的特征向量Vi，且結果大于閾值ΤΗ，認為此特征 向量1為跟蹤的結果；如果結果小于閾值ΤΗ，則跟蹤的細胞消失。
[0023] 所述閾值Τη=0·35。
[0024] 本發明的有益效果是：該方法將壓縮感知引入到延時視頻序列運動細胞的跟蹤 中，首先對延時視頻序列每一幀中運動細胞進行粗分割，依據分割結果確定每個細胞所在 的一個矩形檢測窗口；然后，在該矩形檢測窗口內，使用一族隨機生成的濾波器對原始細胞 圖像進行隨機采樣，將該矩形檢測窗口內的圖像變換到高維特征空間；接著，構造一個隨機 稀疏矩陣，將窗口內的圖像從高維特征空間映射到低維特征空間，形成對矩形窗口內細胞 圖像信息的有效描述特征；最后，將所得的描述特征帶入訓練好的樸素貝葉斯分類器，判定 該窗口區域是否真的還有上一幀中附近位置出現的細胞，從而實現細胞跟蹤。這種基于壓 縮感知的延時序列運動細胞跟蹤方法，將圖像特征從高維特征空間映射到低位特征空間， 從而降低了復雜度。
[0025] 以下結合【具體實施方式】詳細說明本發明。
【具體實施方式】
[0026] 本發明基于壓縮感知的延時視頻序列運動細胞跟蹤方法具體步驟如下：
[0027] 步驟一、細胞分割。
[0028] 對于歸一化后的一幀視頻序列圖像I，其中像素點s的像素值表示 為{I(s)e[0, 1]:seS}。定義一個寬度為M、高度為N的圖像塊S，S= {(X，y) :1彡X彡M，1彡y彡N}表示其中像素點的集合。定義7X7窗口大小的濾波器如 下：
[0029]
(:7)
[0030] 定義濾波器窗口中心像素點為s。，設置閾值1\為0. 19,統計窗口中所有大于閾值 !\的像素點s的個數c(s)，取像素點個數c(s)的閾值η為35,c(s) <n表示濾波器窗口 內像素值小于閾值η的像素點個數，表示濾波器窗口內像素大于等于閾值η的像素點個數， I'（s。）表示濾波后的濾波器窗口中心點像素s。的像素值。
[0031] 用式（8)的濾波器窗口在圖像上逐點遍歷之后，得到分割后細胞圖像和背景。
[0032] 用四連通外接最小矩形邊界框提取細胞的邊緣，得到矩形圖像塊，作為細胞的原 始信息〇e Rwxh。
[0033] 步驟二、特征提取。
[0034] 隨機采樣細胞信息。首先，對于某一細胞原始信息0eRWXH，按照步驟一中定義的 寬度為M、高度為N的濾波器在原始細胞信息周圍隨機采樣（等同于這一細胞原始信息的寬 度W和高度H)。經過濾波器采樣后，得到某一細胞所有圖像塊信息，其中包括正樣本和負樣 本，且正負樣本數量相等。
[0035] 將采樣得到的某一細胞所有圖像塊0轉化為向量形式，記作
[0036] 對于一幀細胞圖像中所有細胞采樣，利用壓縮感知理論，由式（3)計算得到細胞 采樣信息的降維稀疏表示特征Ve妒，
[0037]V=ΦΧ (9)Q為固定值50且遠小于WXH，Φ表示稀疏化矩陣，V e Rq， te V為所得到的降維樣本信息。
[0038] 步驟三、細胞跟蹤。
[0039] 首先，由某一細胞采樣得到的特征經過稀疏化壓縮后