視覺(jué)跟蹤算法的研究及其在生物運(yùn)動(dòng)分析中的應(yīng)用

《視覺(jué)跟蹤算法的研究及其在生物運(yùn)動(dòng)分析中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、浙江大學(xué)博士學(xué)位論文摘要生物體在其生理活動(dòng)過(guò)程中會(huì)表現(xiàn)出各種運(yùn)動(dòng)形式，對(duì)這些運(yùn)動(dòng)形式做追蹤是有生理意義的。通過(guò)對(duì)這些動(dòng)態(tài)過(guò)程作追蹤可以揭示某些生理機(jī)制、測(cè)量某些生理特征參數(shù)或者定量分析某些運(yùn)動(dòng)機(jī)能水平．本文以基于序列圖象的視覺(jué)跟蹤技術(shù)為基礎(chǔ)和手段，對(duì)生物醫(yī)學(xué)領(lǐng)域內(nèi)的幾個(gè)不同空間層面上的跟蹤問(wèn)題進(jìn)行了探討研究：1．為探討GIIrr4分泌囊泡在脂肪細(xì)胞膜上的轉(zhuǎn)運(yùn)機(jī)制，本文使用了TIRF顯微鏡技術(shù)實(shí)時(shí)動(dòng)態(tài)地觀測(cè)了GIIrr4在胰島素刺激后在細(xì)胞膜附近的轉(zhuǎn)運(yùn)過(guò)程，并提出了基于Kalman濾波的三維單粒子跟蹤算法。首先，熒

2、光淬滅的補(bǔ)償算法被提出用于解決囊泡因熒光淬滅而引起的亮度減弱的問(wèn)題。在校正了圖象亮度后，本文應(yīng)用了自適應(yīng)的背景減除算法分割出跟蹤囊泡，濾去了大部分靜止的熒光顆粒，排除了大部分背景干擾。然后在跟蹤過(guò)程中引入了Kalman濾波算法來(lái)預(yù)測(cè)被跟蹤的囊泡在下一幀的大致位置。最后通過(guò)利用高斯擬合的方法來(lái)測(cè)量囊泡的亮度變化并結(jié)合TIRF顯微鏡的消散場(chǎng)成像特點(diǎn)來(lái)間接計(jì)算了Z軸方向的運(yùn)動(dòng)。實(shí)驗(yàn)結(jié)果表明：整個(gè)跟蹤算法在三維方向上較好地跟蹤了GIIrr4囊泡的長(zhǎng)距離運(yùn)動(dòng)。首先，補(bǔ)償算法校正了受淬滅影響而減弱的囊泡亮度，但同時(shí)避免了修正

3、因囊泡在z軸方向的運(yùn)動(dòng)而引起的亮度變化。補(bǔ)償算法保證了被跟蹤囊泡在z軸方向上位置信息計(jì)算的準(zhǔn)確性，也保證了背景減除算法的穩(wěn)定。其次，基于Kalman濾波的預(yù)測(cè)大大減小了跟蹤算法在下一幀的搜索范圍，從而提高了算法的運(yùn)算速度，而且也避免了噪聲、非目標(biāo)囊泡的干擾影響，提高了算法的可靠性。2．為了測(cè)量大鼠微血管中的血流速度，本文通過(guò)將熒光標(biāo)記的自身紅細(xì)胞注入SD大鼠體內(nèi)，在生物熒光顯微鏡的暗視場(chǎng)下觀測(cè)了標(biāo)記紅細(xì)胞在大鼠微血管中的流動(dòng)情況。在對(duì)暗視場(chǎng)序列圖象的分析過(guò)程中，本文利用了幀圖象分離出奇偶場(chǎng)的圖象分析方法測(cè)定了血流

4、速度。為了驗(yàn)證該測(cè)量方法，在相同測(cè)量系統(tǒng)下測(cè)量了流動(dòng)小室流場(chǎng)中熒光小球的流速。最后把該測(cè)量方法應(yīng)用于微循環(huán)障礙實(shí)驗(yàn)中．實(shí)驗(yàn)結(jié)果表明：本文的流速測(cè)量方法是有效可靠的，在驗(yàn)證實(shí)驗(yàn)中得到的測(cè)量值與實(shí)際值之間的誤差小于7％，兩者沒(méi)明顯的差異(P>0．05)：在微循環(huán)浙江大學(xué)博士學(xué)位論文障礙實(shí)驗(yàn)中，得到了血流速度的變化情況，很好地反映了大鼠微循環(huán)障礙的生理變化情況，也間接印證了測(cè)量方法的有效性。3．為了建立中風(fēng)病人的愈后評(píng)價(jià)方法，本文通過(guò)普通視頻觀測(cè)了人體上肢的運(yùn)動(dòng)，并提出了基于顏色模型的Kalman-Particlc(K

5、P)濾波跟蹤算法。在KP濾波算法中，Kalman濾波器作為局部線性?xún)?yōu)化器被引入傳統(tǒng)粒子濾波算法的采樣階段來(lái)得到一個(gè)更好的重要密度分布。在計(jì)算Kalman濾波器的測(cè)量值過(guò)程中，顏色聚類(lèi)算法提供了獨(dú)立的測(cè)量模型，其計(jì)算結(jié)果也被用于遮擋問(wèn)題的處理，最后KP算法引入了遮擋處理機(jī)制。本文分別比較了KP濾波算法和Kalman線性濾波算法、傳統(tǒng)的粒子濾波算法。結(jié)果表明：KP算法不但具有傳統(tǒng)的粒子濾波算法的處理非線性、多模態(tài)的能力，能很好背景干擾的情況，而且KP算法在采樣階段使得粒子大多集中在高概率分布的區(qū)域，從而減小了粒子的退

6、化現(xiàn)象并大大減少了粒子數(shù)目，進(jìn)而提高了運(yùn)算速度。此外，KI'算法能夠很好的處理長(zhǎng)時(shí)間的完全遮擋的情況。對(duì)上述幾個(gè)生物醫(yī)學(xué)領(lǐng)域中跟蹤問(wèn)題的研究既要求設(shè)計(jì)合理的實(shí)驗(yàn)方案來(lái)獲得真實(shí)、可靠的圖象序列，又要求采用有效的跟蹤算法來(lái)跟蹤目標(biāo)取得運(yùn)動(dòng)參數(shù)。正是基于這兩點(diǎn)，作者對(duì)上述幾個(gè)跟蹤問(wèn)題進(jìn)行了探索性研究，并取得了以下創(chuàng)新成果：提出了熒光淬滅補(bǔ)償算法和基于Kalman濾波的三維單粒子跟蹤算法用于GLUT4囊泡轉(zhuǎn)運(yùn)過(guò)程的追蹤；提出了基于序列圖象分析的大鼠微血管血流速度的測(cè)量方法以及流動(dòng)小室驗(yàn)證流速測(cè)量的方法：提出了基于顏色模型

7、的Kalman-Particle濾波跟蹤算法用于人體上肢運(yùn)動(dòng)的分析．關(guān)鍵詞：視覺(jué)跟蹤、GLUT4、熒光校正、Kalman濾波、血流速度、流動(dòng)小室、人體運(yùn)動(dòng)分析、Kalman．Particle濾波、遮擋。Ⅱ浙旺大學(xué)博士學(xué)位論文V硒ousmotionmodelsarepresentedinbiologicalplo‘)es∞s．Trackingthesedynamicprocessesallowsrevealingsomephysiologicalmechanisms，measuringsomespecificphy

8、siologicalparametersandquantitativelyanalyzingsomephysicalfunctions．Thisdissertationutilizg爆visualtrackingtechnologiestoexploresomebiologicalprocessesatdifferentsalles．1，Toexplorethemembr