论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　摘要：将非线性扩散滤波和背景差分法相结合，提出了一种新的运动细胞检测方法。通过在时间域内使用非线性扩散滤波，消除了背景差分法对阈值的强依赖性，并消除了图像噪声，增强了图像边界。实验结果表明，新方法能够较好地检测出运动细胞。 

　　关键词关键词：运动细胞；背景差分法；非线性扩散滤波 

　　0引言 

　　在生物医药学和疾病防治研究领域，为了进行针对性的研究，需要获取细胞的各种参数，如运动轨迹、移动速度、分裂周期等。而这些参数的获取，需要对细胞进行检测和追踪。细胞形态不确定性、交叉和重叠等因素，导致采取传统手工分析方法效率和精准度都非常低下。因此，面对大量的细胞图像数据，迫切需要一种高效、精准，且能够自动对细胞行为进行分析的方法来对其加以处理。 

　　在过去的几十年中，细胞追踪作为一个热点课题，已经被广大学者所持续关注和研究。细胞检测作为细胞追踪中重要的第一步，同样被科研工作者潜心研究。Meanshift算法和背景差分法是基于模型扩展的方法，Meanshift方法可以快速追踪到视频序列移动的物体，但通常并不能很好地描绘出物体的轮廓。在该领域内Xiuzhuang和Yao[12]提出了一种较好方法，他们在粒子滤波框架中引入方向自适应均值飘移算法，以此来提高细胞追踪中的粒子滤波。Snake模型则要求相邻的视频帧之间要有重叠。Xufei等[3]提出使用背景差分法来追踪非惰性细胞，他们在进行细胞追踪前，通过使用分水岭算法并结合细胞的特征来实现细胞的识别和分割。Fu shujun等[4]采用双向扩散的非线性扩散滤波方程，实现图像的边缘检测并增强图像质量。 

　　本文提出了一种新的运动细胞检测算法，在时间域内采用非线性扩散滤波，可以在一个宽泛的范围内选择出一个合适的阈值，消除了背景差分法对阈值的强依赖性。