论文部分内容阅读
近年来生物医学研究领域利用绿色荧光蛋白作为报告基因,对生物粒子进行荧光标定成像,通过识别、跟踪其中的活性生物粒子,获得粒子的运动速度、加速度等运动参数,以研究生物粒子的动力学特性。以荧光显微图像粒子跟踪技术为核心的粒子动力学在阐述生命现象的本质、神经活动的机理、癌的发生等研究方面提供了强有力的研究手段,是当前生物图像处理领域的研究热点。受荧光蛋白光漂白及显微光学成像技术限制,动态宽场荧光显微图像无法获得传统跟踪算法要求的帧率和信噪比。对荧光显微图像中密集小尺度粒子,特别是发生遮蔽、非平滑运动时的跟踪是领域研究的难点和热点问题。本文在保证时域有足够的帧率满足长时跟踪条件下,通过少层多焦平面图像的三维反卷积复原粒子图像,进而在三维图像中对粒子进行可靠分割,实现粒子的跟踪以及准确捕捉粒子融合和分裂事件。本文的研究内容,将很大程度上促进生命科学研究重要发现的形成,使其更好的服务与国民经济和人类生活。本文实现了基于多焦平面的三维粒子跟踪算法(MFPT, Multiple Focal Plane Tracking),讨论了荧光显微图像中三维粒子跟踪的整体框架。其中,文中具体提出了基于最大似然反卷积和非抽样小波的目标粒子识别算法(MLDC-UWT, Maximum Likelihood DeConvolution&Undecimated Wavelet Transform),以及基于对应点匹配模型的粒子滤波跟踪算法(CPMM-PF, Particle Tracking based on Correspondence Points Matching Model),同时本文还从采样少层焦平面图像的角度讨论了基于内插和反卷积的多焦平面图像的粒子识别算法。首先,文中模拟采样多层焦平面图像,提出MFPT算法实现三维空间粒子的跟踪,其中提出MLDC-UWT识别算法实现三维目标粒子的识别,即采用最大似然反卷积算法(MLDC)去除成像过程引入的噪声和非焦平面的粒子对焦平面的影响,接着,UWT算法将三维图像变换至小波域,滤除小波平面上的非重要信息,将剩余小波图像相互乘积以突出目标粒子,从而识别出目标粒子的大致范围,接着本文对各焦平面图像中的潜在粒子目标采用各向局部强度最大值求取算法(ED-LIM, Each Dimensional Local Intensity Maximum)精确确定目标粒子的空间位置。其次,由于荧光显微图像中粒子特征有限,本文选取粒子位置坐标及其亮度作为特征,选择欧式距离作为对应点匹配模型(CPMM)的判定代价函数,搭建贝叶斯跟踪框架,采用粒子滤波(PF)的思想实现粒子跟踪。最后,本文考虑到实际观测生物玻片样本采样焦平面图像时,必须尽可能缩短采样时间间隔,因此特别讨论了基于内插和反卷积的少层焦平面图像粒子的识别算法(IMLDC-UWT,UWT recognition algorithm based on Interpolation&MLDC),即通过频域补零实现时域内插的方法拓展了少层焦平面图像样本的层数,采用最大似然反卷积算法及非抽样小波变换有效实现了粒子的识别,并且文中还比较了单一焦平面非抽样小波识别算法(UWT, single focal plane UWT)、多焦平面非抽样小波识别算法(mUWT, multiple focal plane UWT)以及IML-UWT识别算法的识别效率。