的细胞运动的图像序列。
[0037]S2、通过基于块匹配的自定义块算法对目标微小物体进行平动补偿。其中，所述基 于块匹配的自定义算法使用圆形旋转模板。
[0038]S3、对平动补偿后所述目标微小物体进行像素块相关分析，以计算所述目标微小 物体的旋转圈数。
[0039] -般的，可以将细胞在介电泳力场中的自转运动分解为平动及自转两种运动。为 了准确的分析细胞的转动情况，首先通过步骤S2进行平动补偿，然后再通过步骤S3对补偿 后的图像进行转动分析。
[0040] 较佳的是，为了提高后续处理的效率以及准确度，可以对所述图像进行预处理。所 述预处理方法包括：对所述微小物体的旋转运动图像序列通过使用高斯低通滤波器进行降 噪以及通过直方图均衡化增强目标微小物体与背景的对比度。
[0041] 关于降噪预处理：一般的，采用上述系统获得的图像序列中，图像帧的噪声主要来 源是相机。因为图像到电荷的转换是由相机中的CCD完成的，而CCD会随机产生一些电子， 这些电子夹杂在信号中形成了噪声。由于这些噪声是随机分布的，因此可以使用高斯低通 滤波器从而有效滤除噪声。
[0042]所述高斯滤波器的核心公式具体如下：
关于对比度预处理：所述直方图均衡化是图像对比度增强的常用方法之一。具体原理 为：把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分 布。其灰度图像的修正像素值转换函数可通过如下算式表示：
其中，灰度图像{x}包含L个离散的灰度等级，表示为{Xi}。当然，也可以采用其他合 适的方法或者不同方法的组合对所述图像序列中的图像帧进行对比度增强(例如直方图拉 伸）或者提高图像质量。
[0043]具体的，所述通过基于块匹配的自定义块算法对目标微小物体进行平动补偿的步 骤（即S2)具体包括：生成圆形旋转模板；利用所述圆形旋转模板进行块匹配，估计所述目 标微小物体的运动轨迹。在常规的块匹配算法中，使用的为矩形模板。由于细胞在图像序 列中为旋转运动，使用矩形模板的追踪效率将非常低下。而使用圆形旋转模板进行匹配则 能够非常良好的实现对旋转运动的追踪，极大的提高了算法的效率与准确度。
[0044] 在本发明的一个具体实施例中，如图3及图5所示，所述生成圆形旋转模板的步骤 具体可以包括： S100、将目标图像（图3中A图像）转换为灰度等级图像（图3中B图像)。
[0045] S200、通过自适应阈值算法将所述灰度等级图像转换为二值图像（图3中C图像)。
[0046]S300、计算所述圆形旋转模板的圆心及半径，形成所述圆形旋转模板（图3中D图 像)。
[0047] 所述圆形旋转模板可旋转一定的角度进行匹配（图3中E图像)，亦即由D图像旋 转一定角度获得的E图像。由此，使用术语"圆形旋转模板"用以表示这一重新自定义的匹 配模板。
[0048] 具体的，所述块匹配步骤则可以包括(如图4所示，为图像序列中的参考图像帧以 及当前运算图像帧之间的匹配过程）： 首先、在搜索窗口依据预设的匹配标准计算获得最佳匹配块作为参考块10。其中，所述 匹配标准具体由如下算式表示：
其中，考.偏纖魏.，S为搜索窗口，Μ为圆形旋转模板(亦即图像遮罩)。SAD为 运算估计中一种主要的运算形式，具体运算方式为本领域技术人员所熟知，在此不作赘述。
[0049] 然后、计算所述参考块10到宏块20当前位置的运动向量30 (如图4所示)。"宏 块"是视频编码中的一个基本概念。即在视频编码中，一个图像帧通常由若干个宏块构成。 其中，对应的搜索窗口中绝对差和最小的运动向量可通过如下算式表示：
[0050] 基于所述参考块(其为圆形旋转模板）的最小绝对差和计算过程则可以由如下伪 代码表示： 1. for(x,y)insearchwindowS 2. {for(θ= 0?ο2π) 3. { calculate SAD (x, y，Θ) 4. incrementΘbyastepΔ 5. } 6. incrementx,yby1 上述"通过基于块匹配的自定义块算法"的步骤使用了圆形旋转模板进行匹配从而跟 踪目标细胞的平动，有效的提升了块匹配算法对于旋转运动物体的追踪准确度，同时又能 兼顾计算效率，具有良好的应用前景。
[0051] 在完成平动补偿后，可以使用像素相关分析进行细胞旋转圈数的估算。具体的，所 述像素相关分析可以包括如下步骤： 对于两个灰度等级图像块，通过算式1计算两者之间的相关系数。
[0052]寻找所述相关系数的局部最大值以追踪峰点。
[0053] 依据峰点的索引计算获得模板细胞的旋转圈数。
[0054] 其中，所述算式1为：
中的模板块(亦即上述使用的匹配模板)，:_ι:为顺序图像块，te和分别是:_和::#^的 平均数。
[0055] 本发明还提供了一种细胞运动动力学特性分析方法。所述分析方法应用如上所述 的运动估计方法对处于介电泳力场的细胞进行旋转速度分析。亦即通过获得的目标细胞旋 转圈数，估算其旋转运动速度从而进行进一步分析。
[0056] 本发明还进一步提供了一种基于块匹配的运动估计系统。所述系统具体包括：图 像获取模块1〇〇,用于获取微小物体的旋转运动图像序列；平动补偿模块200,用于通过基 于块匹配的自定义块算法对目标微小物体进行平动补偿；以及相关系数计算模块300,用 于对平动补偿后所述目标微小物体进行像素块相关分析，以计算所述目标微小物体的旋转 圈数。如上所述，所述图像获取模块可以依据实际情况，采用合适的系统实现图像序列的获 取，例如图1所示的系统获取细胞的运动图像序列。所述平动补偿模块200以及相关系数 计算模块300则可以在任何合适的电子计算平台上执行，或者作为一个功能模块整合到某 系统中作为实现运动估计功能的组件。
[0057]当然，也可以将需要分析的图像序列直接输入到平动补偿模块200及相关系数计 算模块300进行分析计算，而无需通过图像获取模块100。
[0058] 可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及本发 明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保 护范围。
【主权项】
1. 一种基于块匹配的运动估计方法，其特征在于，所述方法包括如下步骤：获取微小 物体的旋转运动图像序列； 通过基于块匹配的自定义块算法对目标微小物体进行平动补偿； 对平动补偿后所述目标微小物体进行像素块相关分析，W计算所述目标微小物体的旋 转圈数； 所述基于块匹配的自定义算法使用圆形旋转模板。2. 根据权利要求1所述的运动估计方法，其特征在于，所述方法还包括：对所述微小物 体的旋转运动图像序列通过使用高斯低通滤波器进行降噪 W及 通过直方图均衡化增强目标微小物体与背景的对比度。3. 根据权利要求1所述的运动估计方法，其特征在于，所述通过基于块匹配的自定义 块算法对目标微小物体进行平动补偿的步骤具体包括： 生成圆形旋转模板； 利用所述圆形旋转模板进行块匹配，估计所述目标微小物体的运动轨迹。4. 根据权利要求3所述的运动估计方法，其特征在于，所述生成圆形旋转模板的步骤 具体包括： 将目标图像转换为灰度等级图像； 通过自适应阔值算法将所述灰度等级图像转换为二值图像； 计算所述圆形旋转模板的圆屯、及半径，形成所述圆形旋转模板。5. 根据权利要求3所述的运动估计方法，其特征在于，所述块匹配步骤具体包括： 在捜索窗口依据预设的匹配标准计算获得最佳匹配块作为参考块； 计算所述参考块到宏块当前位置的运动向量。6. 根据权利要求5所述的运动估计方法，其特征在于，所述匹配标准具体由如下算式 表不：其中，抹緣從塞：餐J総潑';，S为捜索窗口，Μ为圆形旋转模板。 ·：?7. 根据权利要求5所述的运动估计方法，其特征在于，与所述运动向量相对应的捜索 窗口中绝对差和最小的运动向量具体由如下算式计算：8. 根据权利要求1所述的运动估计方法，其特征在于，所述像素相关分析具体包括： 通过算式1计算模板与顺序图像块之间的相关系数； 寻找所述相关系数的局部最大值W追踪峰点； 依据峰点的索引计算获得所述微小物体的旋转圈数； 所述算式1为：其中，如为模板，/0为顺序图像块，纖谢齐)分别是味）和巧）的平均数。9. 一种细胞运动动力学特性分析方法，其特征在于，应用如权利要求1-8任一所述的 运动估计方法对处于介电泳力场的细胞进行旋转速度分析。10. -种基于块匹配的运动估计系统，其特征在于，所述系统包括： 图像获取模块，用于获取微小物体的旋转运动图像序列； 平动补偿模块，用于通过基于块匹配的自定义块算法对目标微小物体进行平动补偿；W及相关系数计算模块，用于对平动补偿后所述目标微小物体进行像素块相关分析，W计 算所述目标微小物体的旋转圈数； 所述基于块匹配的自定义算法使用圆形旋转模板。
【专利摘要】本发明提供了一种基于块匹配的运动估计方法、运动估计系统及其应用。其中，所述方法包括如下步骤：获取微小物体的旋转运动图像序列；通过基于块匹配的自定义块算法对目标微小物体进行平动补偿；对平动补偿后所述目标微小物体进行像素块相关分析，以计算所述目标微小物体的旋转圈数；所述基于块匹配的自定义算法使用圆形旋转模板。所述方法针对目标的旋转运动跟踪，使用圆形旋转模板，从而有效的改进了块匹配算法对于目标物体的旋转运动的追踪效率，并据此提出了基于上述匹配算法应用于细胞旋转速度估计，对于细胞的动力学特性分析具有非常深远的意义。
【IPC分类】G06T7/60, G06T7/20
【公开号】CN105243673
【申请号】CN201510477048
【发明人】李志 , 张光烈, 李文荣
【申请人】深圳大学
【公开日】2016年1月13日
【申请日】2015年8月5日