的特征向量Ve妒，设计贝叶 斯分类器if::
[0040]
(10)
[0041] k取0或1，表示正样本或负样本，P(Yi=0)=P(Y;=1) =0·5;
[0042] 提取到的细胞每个样本的特征所有元素统计特性看作独立高斯分布，利用其期望 和方差，转换式（4)为：
[0043]
(11)：
[0044] 经过下式计算得到结果H(?，
[0045]
(1:2)
[0046] 比较结果Haj大小，使结果最大的特征向量Vi，且结果大于阈值ΤΗ，ΤΗ= 0. 35， 认为此1为跟踪的结果；如果结果小于阈值ΤΗ，则跟踪的细胞消失。
[0047] 本发明基于压缩感知的延时视频序列运动细胞跟踪方法举例如下：
[0048] 1.细胞分割。
[0049] 对于归一化后的一帧视频序列图像I，其中像素点s的像素表示 为{I(s)e[0, 1]:seS}。定义一个宽度为Μ、高度为Ν的图像块S，S= {(X，y) : 1彡X彡M，1彡y彡N}表示其中像素点的集合；
[0050] 定义7X7窗口大小的滤波器如式（13)所示，定义窗口中心像素点为s。，设置阈值 !\为0. 19,统计窗口中所有大于T满像素点s的个数c(s)，取像素点个数c(s)的阈值η为 35，
[0051]
(13)
[0052]Γ (s。）表示滤波后的滤波器窗口中心像素点s。的像素值，0代表背景，1代表目 标；
[0053] 用滤波器窗口逐像素点逐点遍历图像I(对于边缘点选择）。利用中所提及的滤波 器如式（13)所示，计算出每一个中心像素点s。滤波后的像素值结果，综合所有s。，得到图 像I分割后的图像I' ；
[0054] 对于一个细胞0,用四联通提取细胞外接最小边界，W和Η分别为最小外接边界框 的宽度和高度，此细胞外接最小边界框〇eRWXH作为此细胞的原始信息。
[0055] 2.特征提取。
[0056] 对于图像中某一细胞信息0eRWXH，定义宽度为i、高度为j的滤波器如下式 (14)：
[0057] (14)
[0058] 并且滤波器的高度和宽度与细胞最小外接边界框宽度和高度相等；
[0059] 对于第一帧图像中的这一细胞，用式（14)所定义大小滤波器，以四个像素点为半 径，随机取五十个正样本图像块，再以八个像素点为内半径、五十个像素点为外半径，随机 取五十个负样本；
[0060] 对于非第一帧图像中，以前一帧的这一细胞区域为中心，用式（14)中所定义大小 滤波器，以二十五个像素点为半径选择在这个区域内的五十个样本图像块；
[0061] 将所取的细胞图像块样本0拉直为向量，表示为XWiHeRWXH，把所有样本拉直连接， 表示为
[0062] 设计稀疏转换矩阵φeRqxp，P=W2XH2且〇<<?，，〇 = 50，将向量父投影到向 量Ve妒上，VeW是低维的，如下式所示：
[0063] V=ΦΧ(15)这里稀疏随机矩阵的对角元素采用下式：
[0064]
(16)
[0065] s为参数，s=m/log(m)决定稀疏度；
[0066] 此时得到，低维且维数固定的细胞特征。
[0067] 3.细胞跟踪。
[0068] 由某一细胞采样得到的一组特征经过稀疏化压缩后的特征向量teV设 计贝叶斯分类器if::
[0069]
(17)
[0070] k取0或1，表示正样本或负样本，P(Yi= 0) =P(Y;= 1) = 0· 5 ;
[0071] 每个特征向量Vi的所有元素统计特性看作独立高斯分布，得到期望μ和方差σ:
[0072] 正样本参数：/)(V,jΥ,=丨），〇?).
[0073]负样本参数：/叫 |Y,.= 〇) ~~(g,of);
[0074] 利用其期望μ和方差σ，转换式（4)为式（5):
[0075]
(18)
[0076] 经过式（6)计算得到的结果Η，
[0077]
(19)
[0078] 比较结果Ηα)大小，使结果最大的特征向量Vi，且结果大于阈值ΤΗ，ΤΗ=0. 35时， 认为1是跟踪的结果；如果H(YJ结果小于阈值ΤΗ，则跟踪的细胞消失。
【主权项】
1. 一种基于压缩感知的延时视频序列运动细胞跟踪方法，其特征在于包括以下步骤： 步骤一、对于归一化后的一帧视频序列图像I，其中像素点S的像素值表 示为{I (S) e [〇, 1]: s e S};定义一个宽度为M、高度为N的图像块S，S = {(X，y) : 1彡X彡M，1彡y彡N}表示其中像素点的集合；定义7 X 7窗口大小的滤波器如下：式中，η表示阈值，c (s) < η表示滤波器窗口内像素值小于阈值η的像素点个数，表示 滤波器窗口内像素大于等于阈值η的像素点个数，Γ (s。）表示滤波后的滤波器窗口中心点 像素 s。的像素值； 用式（2)的滤波器窗口在图像上逐点遍历之后，得到分割后细胞图像和背景； 用四连通外接最小矩形边界框提取细胞的边缘，得到矩形图像块，作为细胞的原始信 息 O e Rwxh; 步骤二、对于某一细胞原始信息O e Rwxh，按照步骤一中定义的宽度为M、高度为N的滤 波器在原始细胞信息周围随机采样；经过滤波器采样后，得到某一细胞所有图像块信息，包 括正样本和负样本，且正负样本数量相等； 将采样得到的某一细胞所有图像块〇转化为向量形式，记作对于一帧细胞图像中所有细胞采样，利用压缩感知理论，由式（2)计算得到细胞采样 信息的降维稀疏表示特征V e R' V = ΦΧ (3) Q为固定值50且远小于WXH，Φ表示稀疏化矩阵，V e妒，V1G V为所得到的降维样 本信息； 步骤三、由某一细胞采样得到的特征经过稀疏化压缩后的特征向量V e妒，设计贝叶斯 分类器If:k取0或1，表示正样本或负样本，P(Yi= 0) = P(Y ;= 1) = 0· 5 ; 提取到的细胞每个样本的特征所有元素统计特性看作独立高斯分布，利用其期望和方 差，转换式（4)为：经过下式计算得到结果H(Y1),比较结果H(Y1)大小，使结果最大的特征向量V1，且结果大于阈值TH，认为此特征向量 1为跟踪的结果；如果结果小于阈值T H，则跟踪的细胞消失。2. 根据权利要求1所述的基于压缩感知的延时视频序列运动细胞跟踪方法，其特征在 于：所述阈值Th= 0.35。
【专利摘要】本发明公开了一种基于压缩感知的延时视频序列运动细胞跟踪方法，用于解决现有延时视频序列运动细胞跟踪方法复杂的技术问题。技术方案是将压缩感知引入到延时视频序列运动细胞的跟踪中，并对每一帧中运动细胞进行粗分割，依据分割结果确定每个细胞所在的一个矩形检测窗口；在该矩形检测窗口内对原始细胞图像进行随机采样，将该矩形检测窗口内的图像变换到高维特征空间；构造一个随机稀疏矩阵，将窗口内的图像从高维特征空间映射到低维特征空间；最后，将所得的描述特征带入训练好的朴素贝叶斯分类器，判定该窗口区域是否真的还有上一帧中附近位置出现的细胞，从而实现细胞跟踪。该方法将图像特征从高维特征空间映射到低位特征空间，方法简单。
【IPC分类】G06T7/20
【公开号】CN105427337
【申请号】CN201510726533
【发明人】丁晨, 夏勇, 潘永生, 李映
【申请人】西北工业大学
【公开日】2016年3月23日
【申请日】2015年10月30日