基于非线性扩散滤波的运动细胞检测方法(2)

　　1.2非线性扩散滤波 

　　近年来，对如何消除扩散过程中产生的噪声相关研究较多。人们发现一种非线性方程可以达到消除噪声并增强图像边界的目的，这就是非线性扩散滤波（Nonlinear Diffusion Filtering， NLD）[6]，它是图像分割中对图像多尺度描述的一种效果显著的工具。非线性扩散滤波方法的使用由Prona和Malik[7]首先提出。他们在前人的基础上面提出了PM模型，该模型以“高频部分扩散系数小，低频部分扩散系数大”为准则，将扩散系数表示为一个关于图像梯度的函数，提出了在图像处理中引入扩散系数方程，来实现图像平滑。模型方程如下： 

　　在背景差分法中引入NLD方法，用来消除噪声强度。改进后的算法流程如图1所示。 

　　本实验采用的样本数据来源于医院患者的精液样本，是一个M×N维的T帧视频序列，其分辨率为240×320像素，帧速为每秒25帧。如果采用背景差分法，则差分矩阵的维数是M×N×（T-1）。在T帧中（i，j）位置的像素强度（Ii，j）变化如图2所示。通过选用一个适当的阈值，可以捕获到从该位置移动过去的细胞，但如何选择一个合适的阈值颇为困难。本文提出了基于NLD的背景差分法，通过对Ii，j使用一维的NLD方法来消除噪声像素强度。如图3所示，噪声像素去除后，可以在一个宽泛的范围中快速选择出一个合适的阈值。 

　　关于高维图像的处理，本文对三维差分矩阵中的一行使用二维的NLD方法，来取代对每一个像素使用一维的NLD算法，以此来提高运算速率。随后将其扩展到所有行中，这使得每一个差分帧之间阈值的选择变得简单。图4给出了一组图像在使用NLD算法前（左）后（右）的效果对比图。因此，使用NLD算法可以降低选择不同阈值时结果对阈值的依赖度。在NLD算法应用完成后，再使用形态学方法，来消除图像中的噪声数据。2实验结果及分析 

　　为了对细胞检测的精确度进行评估，本文定义的精确度是每一视频序列中检测到的运动细胞总数与全部运动细胞的比值。表1给出了对每一个序列中运动细胞检测的精确度。表2给出了单独使用背景差分法时的精确度。 

　　从表1和表2中的实验数据可以看出，使用本文方法对运动细胞进行检测的平均精确度达到了91.24%，明显高于单独使用背景差分法时的平均精确度84.36%。实 

　　验结果表明，新方法可较好地检测出运动细胞。 

　　3结语 

　　本文提出了一种新的方法来自动检测运动细胞，通过在时间域内使用非线性扩散滤波方法，能够较容易地得到一个合适的阈值，建立起一个较少受噪声影响并且更加精确的运动模型。实验结果表明，新方法能够较好地检测出运动细胞。后续将深入研究一种新的匹配模式算法来对细胞进行追踪。 

　　参考文献参考文献： 

　　[1]XIUZHUANG Z，YAO L.Efficient mean shift particle filter for sperm cells tracking[J].Int Conf Comput Intell Secur，2009（1）：335339. 

　　[2]马瑜，梁慧琳，张艳宁，等.基于图像颜色纹理的均值漂移分割算法[J].计算机工程与设计，2013，34（5）：17211722. 

　　[3]屈晶晶，辛云宏.连续帧间差分与背景差分相融合的运动目标检测方法[J].光子学报，2014，43（7）：23. 

　　[4]付树军，阮秋琦.基于非线性扩散滤波的边缘检测和图像测量[J].光学精密工程，2007（2）：290291. 

　　[5]卢章平，孔德飞，李小蕾，等.背景差分与三帧差分结合的运动目标检测算法[J].计算机测量与控制，2013，21（12）：3316. 

　　[6]FRIEDRICH BM，RIEDELKRUSE IH，HOWARD J，et al.Highprecision tracking of sperm swimming fine structure provide strong test of resistive force theory[J].Exp Biol，2010（2）：213216. 

　　[7]PRONA P，MALIK J.Scalespace and edge detection using anisotropic diffusion[J].IEEE Trans Pattern Anal，1990（12）：629639. 

　　[8]WEICKERT J，ROMENY BH，VIERGEVER MA.Efficient and reliable schemes for nonlinear diffusion filtering[J].IEEE Trans Image Process，1998（7）：398410.