基于多阈值分割的精子运动视频的改进多目标跟踪

论文摘要

随着计算机技术的发展，基于图像处理的人类精液辅助分析系统也逐渐成功用于临床试验，并且逐步替代传统的医生用肉眼观察计数，凭经验判断精子活力，无科学性的分析诊断，为现代生殖科医院对男性的不孕的诊断和人工受精样本的选取提供了可靠的先进技术。国内的计算机辅助精液分析系统（CASA）都是基于显微镜图像视频，对视频帧的精子头部进行图像分割，对精子头部编号进行多目标运动跟踪，然后对精子的运动轨迹进行自动计算分析得出精子的运动活力参数。虽然效果展示不错，但是还存在一定的缺点，例如目标跟踪存在一定的丢失率，分析结果易受样本浓度的影响，对样本中杂质的处理鲁棒性较低等等。本文在综合分析当前计算机辅助精液分析技术的基础之上，对目前使用的单阈值分割进行扩展，使用多阈值分割算法将精子头部和精子尾部两个目标提取出来，并对耗时的多阈值分割进行优化，然后利用精子图像多阈值分割提取出来的信息，进行多目标的跟踪。结合精子的尾部信息和精子游行动力学原理判断出精子可能的运动方向，同时利用精子的运动方向信息进行精子运动建模，从而缩小精子目标跟踪的搜索范围，提高了多目标跟踪的准确率和效率。最后在精子运动跟踪的匹配过程中，添加了更多精子的特征信息，例如精子尾部的面积、长度和方向等，使得精子的匹配更有保障，匹配效果更好。通过以上的多阈值分割和改进的多目标匹配跟踪，实现了本系统算法性能的改进优化，并且通过实验验证了改进算法效果。

论文目录

• 摘要
• Abstract
• 第一章. 绪论
• 1.1. 课题的研究背景、意义、现状
• 1.2. 本课题的研究内容
• 1.3. 多阈值分割概述
• 1.4. 多目标跟踪概述
• 1.4.1. 多目标运动估计算法
• 1.5. 论文组织结构
• 1.6. 本章小结
• 第二章. 计算机辅助精液分析系统
• 2.1. 系统介绍
• 2.2. 可研究的精子参数[15]
• 2.3. 系统软件模块
• 2.4. 处理流程
• 2.5. 本章小结
• 第三章. 图像分割识别
• 3.1. 图像分割方法
• 3.1.1. 基于区域的分割方法
• 3.1.2. 基于边缘检测的分割方法
• 3.2. 单阈值分割方法及其应用效果
• 3.2.1. 双峰分割法
• 3.2.2. 最大类间方差法 Otsu
• 3.2.3. 最大熵法
• 3.2.4. 矩量保持估计法
• 3.2.5. 模糊 C-均值聚类法
• 3.3. 多阈值分割方法
• 3.3.1. 蛮力法搜索多阈值
• 3.3.2. 一种改进的 Otsu 多阈值分割算法
• 3.4. 本章小结
• 第四章. 精子识别和信息提取
• 4.1. 图像预处理
• 4.1.1. 视频清晰度分析
• 4.1.2. 视频帧的灰度化
• 4.1.3. 图像的增强
• 4.1.4. 开运算和闭运算
• 4.2. 视频图像特点分析
• 4.3. Otsu 多阈值分割
• 4.4. 多阈值分割的粒子群优化
• 4.4.1. 粒子群算法的概念
• 4.4.2. 粒子群算法在多阈值分割中的应用
• 4.4.3. 实验结果分析
• 4.5. 精子头尾部识别标记
• 4.5.1. 头部识别
• 4.5.2. 尾部识别
• 4.5.3. 碰撞变形处理
• 4.5.4. 存储方式
• 4.6. 本章小结
• 第五章. 基于精子尾部信息的改进多目标运动跟踪
• 5.1. 多目标跟踪实现流程
• 5.2. 改进的目标预测模型
• 5.2.1. 改进算法的思想
• 5.2.2. 精子目标运动模型
• 5.2.3. 精子运动原理
• 5.2.4. 旧版精子预测搜索模型
• 5.2.5. 改进的精子预测搜索模型
• 5.2.6. 改进算法的优点
• 5.3. 改进的精子多目标跟踪匹配
• 5.3.1. 精子特征信息匹配选择
• 5.3.2. 相似性判断
• 5.4. 实验结果对比分析
• 5.5. 本章小结
• 第六章. 总结和展望
• 参考文献
• 致谢