專利名稱：一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法及其系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多細(xì)胞跟蹤領(lǐng)域，特別是涉及一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法及其系統(tǒng)。
背景技術(shù)：
多細(xì)胞運(yùn)動(dòng)分析對(duì)于生物細(xì)胞學(xué)過(guò)程分析、疾病的診斷、新藥物的研制是必不可少的手段之一。細(xì)胞運(yùn)動(dòng)分析面臨著眾多難題，如細(xì)胞變形，多細(xì)胞動(dòng)力學(xué)特性差異、細(xì)胞重疊、細(xì)胞數(shù)量變化、低對(duì)照比細(xì)胞圖像序列等等。目前細(xì)胞跟蹤的方法主要分為三類，分別是基于模型擴(kuò)散方法、基于檢測(cè)方法和基于貝葉斯概率估計(jì)技術(shù)。模型擴(kuò)散技術(shù)主要代表是主動(dòng)輪廓法(Active contours),同時(shí)也是一種較早的細(xì)胞跟蹤技術(shù),但該方法針對(duì)細(xì)胞運(yùn)動(dòng)慢的情形有效，一般要求相鄰幀同一細(xì)胞輪廓之間部分重合；水平集方法(Levelset)能處理細(xì)胞變形問(wèn)題，但是很容易將兩個(gè)接觸細(xì)胞誤認(rèn)為一個(gè)細(xì)胞；平均平移法 (Mean-shift)能快速處理細(xì)胞跟蹤問(wèn)題，但是不能給出細(xì)胞輪廓信息?；跈z測(cè)方法雖然方法有效，但對(duì)于多細(xì)胞跟蹤，需要解決數(shù)據(jù)關(guān)聯(lián)問(wèn)題，誤關(guān)聯(lián)很容易造成細(xì)胞跟蹤丟失。基于貝葉斯概率估計(jì)技術(shù)是近年來(lái)發(fā)展的一種新型多目標(biāo)跟蹤技術(shù)，代表了未來(lái)多細(xì)胞跟蹤技術(shù)的發(fā)展方向，一般以基于隨機(jī)有限集(RFS)的概率假設(shè)密度濾波器(PHD filter)為代表，該技術(shù)無(wú)需解決數(shù)據(jù)關(guān)聯(lián)問(wèn)題，但是對(duì)于不同細(xì)胞圖像序列，特征表示或似然函數(shù)的選取非常重要。從目前的文獻(xiàn)、專利搜索結(jié)果來(lái)看，基于先于測(cè)量跟蹤的多細(xì)胞跟蹤技術(shù)報(bào)道很少，相關(guān)的研究也是處于起步階段，特別是多個(gè)、不同動(dòng)力學(xué)特性、近距離多細(xì)胞跟蹤問(wèn)題仍然是該領(lǐng)域技術(shù)難題。

發(fā)明內(nèi)容
本發(fā)明主要解決的技術(shù)問(wèn)題是提供一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法及其系統(tǒng)，能夠?qū)崿F(xiàn)多種、具有不同動(dòng)力學(xué)特征參數(shù)、近距離移動(dòng)、細(xì)胞數(shù)量時(shí)變的多細(xì)胞自動(dòng)跟蹤難題。為解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是提供一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，具體步驟包括
(100)、初始化設(shè)定多任務(wù)螞蟻系統(tǒng)中的螞蟻個(gè)體在圖像中的初始狀態(tài)分布；初始設(shè)定每個(gè)螞蟻系統(tǒng)任務(wù)完成概率；初始直方圖模板庫(kù)構(gòu)建；設(shè)定螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域、模型概率與權(quán)重；
(200)、跟蹤多個(gè)螞蟻系統(tǒng)對(duì)細(xì)胞進(jìn)行跟蹤，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟
蹤;
(300)、找出每個(gè)獨(dú)立螞蟻系統(tǒng)中的最佳直方 (400)、更新直方圖模板庫(kù)從上述的多個(gè)螞蟻系統(tǒng)中找到最佳直方圖；若當(dāng)前最佳直方圖與直方圖模板庫(kù)的平均相似度超過(guò)預(yù)設(shè)閾值，則該最佳直方圖序列加入當(dāng)前直方圖模板庫(kù)，為下一次迭代計(jì)算所用； (500)、篩選螞蟻系統(tǒng)對(duì)每個(gè)螞蟻系統(tǒng)任務(wù)完成概率進(jìn)行閾值判斷，若超過(guò)設(shè)定閾值，則該螞蟻系統(tǒng)為有效的，繼續(xù)進(jìn)行下一步驟；否則刪除該螞蟻系統(tǒng)；
(600)、提取細(xì)胞狀態(tài)對(duì)剩余的螞蟻系統(tǒng)的似然函數(shù)閾值化，并提取多個(gè)細(xì)胞狀態(tài)。在本發(fā)明一個(gè)較佳實(shí)施例中，所述步驟(400)和步驟(500)之間有步驟(450)，調(diào)整螞蟻系統(tǒng)狀態(tài)通過(guò)螞蟻移動(dòng)狀態(tài)模塊，實(shí)現(xiàn)螞蟻系統(tǒng)狀態(tài)進(jìn)一步調(diào)整；更新每個(gè)螞蟻個(gè)體系統(tǒng)中每只螞蟻的運(yùn)動(dòng)模型概率、似然函數(shù)值、影響區(qū)域、權(quán)重和每個(gè)螞蟻系統(tǒng)的跟蹤任務(wù)完成概率。在本發(fā)明一個(gè)較佳實(shí)施例中，所述步驟(500 )和步驟(600 )之間有步驟(550 )，合并螞蟻系統(tǒng)若兩個(gè)螞蟻系統(tǒng)找得是同一細(xì)胞，則兩螞蟻系統(tǒng)進(jìn)行合并，其個(gè)數(shù)是原先兩螞蟻系統(tǒng)之和，任務(wù)完成程度也是之和，但小于I。在本發(fā)明一個(gè)較佳實(shí)施例中，所述步驟(300)還包括實(shí)現(xiàn)下一步螞蟻個(gè)體移動(dòng)方向與具體位置，通過(guò)螞蟻模型概率和似然函數(shù)值來(lái)實(shí)現(xiàn)隨機(jī)搜索；在此基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)螞蟻局部狀態(tài)調(diào)整。在本發(fā)明一個(gè)較佳實(shí)施例中，所述步驟(600)還包括對(duì)于所剩余螞蟻系統(tǒng)，計(jì)算對(duì)應(yīng)的各螞蟻系統(tǒng)重心位置，對(duì)其位置的似然函數(shù)重新計(jì)算，若該似然函數(shù)大于設(shè)定閾值，則該重心位置對(duì)應(yīng)細(xì)胞估計(jì)位置。本發(fā)明的另一個(gè)目的是提供一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，包括
多個(gè)螞蟻系統(tǒng)，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟蹤；
直方圖模板庫(kù)，用于存儲(chǔ)細(xì)胞直方 初始化模塊，用于設(shè)置多個(gè)螞蟻系統(tǒng)中的螞蟻個(gè)體在圖像中的初始分布情況，假定每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率，初始直方圖模板庫(kù)構(gòu)建，設(shè)定螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域、模型概率與權(quán)重；
多個(gè)螞蟻個(gè)體決策單元，每個(gè)螞蟻個(gè)體決策單元對(duì)應(yīng)一個(gè)螞蟻系統(tǒng)，實(shí)現(xiàn)隨機(jī)搜索，決定下一步螞蟻個(gè)體的移動(dòng)方向與具體位置，并進(jìn)一步對(duì)螞蟻個(gè)體的局部狀態(tài)進(jìn)行調(diào)整；螞蟻協(xié)作決策單元，提取在當(dāng)前迭代中多個(gè)螞蟻系統(tǒng)中最佳直方圖，作為下次迭代過(guò)程直方圖模板庫(kù)；
細(xì)胞狀態(tài)提取模塊，對(duì)各個(gè)所述螞蟻系統(tǒng)進(jìn)行篩選，將利用有效的螞蟻系統(tǒng)對(duì)多細(xì)胞狀態(tài)進(jìn)行提取。在本發(fā)明一個(gè)較佳實(shí)施例中，所述螞蟻協(xié)作決策單元，從上述的多個(gè)螞蟻系統(tǒng)中找到最佳直方圖；若當(dāng)前最佳直方圖與直方圖模板庫(kù)的平均相似度超過(guò)某閾值，該最佳直方圖序列加入當(dāng)前直方圖模板庫(kù)，為下一次迭代計(jì)算所用。在本發(fā)明一個(gè)較佳實(shí)施例中，所述螞蟻協(xié)作決策單元還通過(guò)螞蟻移動(dòng)狀態(tài)模塊，實(shí)現(xiàn)螞蟻個(gè)體狀態(tài)進(jìn)一步調(diào)整；并更新每個(gè)螞蟻系統(tǒng)中每只螞蟻個(gè)體的運(yùn)動(dòng)模型概率、似然函數(shù)值、影響區(qū)域、權(quán)重和每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率。在本發(fā)明一個(gè)較佳實(shí)施例中，所述細(xì)胞狀態(tài)提取模塊，通過(guò)對(duì)細(xì)胞跟蹤任務(wù)完成程度進(jìn)行閾值判斷，確認(rèn)有效螞蟻系統(tǒng)；通過(guò)螞蟻系統(tǒng)合并模塊，將兩兩狀態(tài)相近螞蟻系統(tǒng)進(jìn)行合并；并對(duì)剩余螞蟻系統(tǒng)的似然函數(shù)閾值化，提取多個(gè)細(xì)胞狀態(tài)。在本發(fā)明一個(gè)較佳實(shí)施例中，所述螞蟻系統(tǒng)的數(shù)量大于需要跟蹤的細(xì)胞的數(shù)量。
本發(fā)明的有益效果是本發(fā)明基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法和系統(tǒng)具有以下優(yōu)點(diǎn)
1)無(wú)需細(xì)胞檢測(cè)模塊，是一種直接基于細(xì)胞原始圖像序列的、多任務(wù)螞蟻系統(tǒng)自動(dòng)多細(xì)胞跟蹤技術(shù)；
2)通過(guò)螞蟻系統(tǒng)之間的協(xié)作，動(dòng)態(tài)方式構(gòu)建直方圖模板庫(kù)，無(wú)需大量的細(xì)胞樣本庫(kù)，節(jié)省了計(jì)算成本；
3)能有效跟蹤動(dòng)力學(xué)特性差異大的不同細(xì)胞、跟蹤變形細(xì)胞和近距離移動(dòng)多細(xì)胞。4)能實(shí)現(xiàn)對(duì)進(jìn)入、離開觀察區(qū)域的多細(xì)胞自動(dòng)跟蹤。


圖1是本發(fā)明基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法一較佳實(shí)施例的流程示意圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的較佳實(shí)施例進(jìn)行詳細(xì)闡述，以使本發(fā)明的優(yōu)點(diǎn)和特征能更易于被本領(lǐng)域技術(shù)人員理解，從而對(duì)本發(fā)明的保護(hù)范圍做出更為清楚明確的界定。一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，包括
多個(gè)螞蟻系統(tǒng)，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟蹤；
初始化模塊，設(shè)置多個(gè)螞蟻系統(tǒng)中的螞蟻個(gè)體在圖像中的分布情況；假定每個(gè)螞蟻系統(tǒng)初始跟蹤任務(wù)完成概率；初始直方圖模板庫(kù)構(gòu)建；設(shè)定螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域、模型概率與權(quán)重；
多個(gè)螞蟻個(gè)體決策單元，每個(gè)螞蟻個(gè)體決策單元對(duì)應(yīng)一個(gè)螞蟻系統(tǒng)，主要實(shí)現(xiàn)下一步螞蟻移動(dòng)方向與具體位置，通過(guò)螞蟻模型概率和似然函數(shù)值等啟發(fā)式概率函數(shù)來(lái)實(shí)現(xiàn)隨機(jī)搜索；在此基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)螞蟻局部狀態(tài)調(diào)整；
螞蟻協(xié)作決策單元，主要實(shí)現(xiàn)在當(dāng)前迭代中多個(gè)螞蟻系統(tǒng)最佳直方圖提取，作為下次迭代過(guò)程直方圖模板庫(kù)；同時(shí)，在通過(guò)螞蟻移動(dòng)狀態(tài)模塊，實(shí)現(xiàn)螞蟻狀態(tài)進(jìn)一步調(diào)整，進(jìn)而對(duì)每個(gè)螞蟻系統(tǒng)中螞蟻個(gè)體運(yùn)動(dòng)模型、似然函數(shù)值、影響區(qū)域、權(quán)重和每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率進(jìn)行更新；
細(xì)胞狀態(tài)提取模塊，主要實(shí)現(xiàn)對(duì)上述螞蟻系統(tǒng)的篩選，將利用有效螞蟻系統(tǒng)對(duì)多細(xì)胞狀態(tài)進(jìn)行提取。首先通過(guò)對(duì)細(xì)胞跟蹤任務(wù)完成程度進(jìn)行閾值判斷，確認(rèn)有效螞蟻系統(tǒng)；然后通過(guò)螞蟻系統(tǒng)合并模塊，將兩兩狀態(tài)相近螞蟻系統(tǒng)進(jìn)行合并，以減小跟蹤模糊性；最后，通過(guò)對(duì)剩余螞蟻系統(tǒng)的似然函數(shù)閾值化，提取多個(gè)細(xì)胞狀態(tài)。結(jié)合圖1所示，本發(fā)明基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)的流程過(guò)程如下
(100)、初始化通過(guò)初始化模塊實(shí)現(xiàn)多任務(wù)螞蟻系統(tǒng)中螞蟻個(gè)體在圖像中的初始狀態(tài)分布；初始設(shè)定每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率；初始直方圖模板庫(kù)構(gòu)建；螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域、模型概率、權(quán)重；直接在RGB空間采用動(dòng)態(tài)構(gòu)建直方圖模板庫(kù)，即以圖像第一幀的數(shù)據(jù)為依據(jù)，手工提取相關(guān)細(xì)胞的RGB直方圖序列(其維數(shù)為256*3)；
(200)、跟蹤多個(gè)螞蟻系統(tǒng)對(duì)細(xì)胞進(jìn)行跟蹤，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟蹤，總螞蟻系統(tǒng)數(shù)目超過(guò)當(dāng)前圖像中細(xì)胞的個(gè)數(shù)；
其中螞蟻個(gè)體的行為模式為
假設(shè)每個(gè)螞蟻個(gè)體有三個(gè)行為模式前行，右轉(zhuǎn)，左轉(zhuǎn)；則螞蟻系統(tǒng)S中的螞蟻個(gè)體i在k時(shí)刻的運(yùn)動(dòng)概率為
并且
權(quán)利要求
1.一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，其特征在于，具體步驟包括 (100)、初始化設(shè)定多任務(wù)螞蟻系統(tǒng)中的螞蟻個(gè)體在圖像中的初始狀態(tài)分布；初始設(shè)定每個(gè)螞蟻系統(tǒng)任務(wù)完成概率；初始直方圖模板庫(kù)構(gòu)建；設(shè)定螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域，模型概率與權(quán)重； (200)、跟蹤多個(gè)任務(wù)螞蟻系統(tǒng)對(duì)細(xì)胞進(jìn)行跟蹤，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟蹤； (300)、找出每個(gè)獨(dú)立螞蟻系統(tǒng)中的最佳直方圖； (400)、更新直方圖模板庫(kù)從上述的多個(gè)螞蟻系統(tǒng)中找到最佳直方圖；若當(dāng)前最佳直方圖與直方圖模板庫(kù)的平均相似度超過(guò)預(yù)設(shè)閾值，則該最佳直方圖序列加入當(dāng)前直方圖模 板庫(kù)，為下一次迭代計(jì)算所用； (500)、篩選螞蟻系統(tǒng)對(duì)每個(gè)螞蟻系統(tǒng)任務(wù)完成概率進(jìn)行閾值判斷，若超過(guò)設(shè)定閾值，則該螞蟻系統(tǒng)為有效的，繼續(xù)進(jìn)行下一步驟；否則刪除該螞蟻系統(tǒng)； (600)、提取細(xì)胞狀態(tài)對(duì)剩余的螞蟻系統(tǒng)的似然函數(shù)閾值化，并提取多個(gè)細(xì)胞狀態(tài)。
2.根據(jù)權(quán)利要求1所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，其特征在于，所述步驟(400)和步驟(500)之間有步驟(450)，調(diào)整螞蟻系統(tǒng)狀態(tài)通過(guò)螞蟻移動(dòng)狀態(tài)模塊，實(shí)現(xiàn)螞蟻系統(tǒng)狀態(tài)進(jìn)一步調(diào)整；更新每個(gè)螞蟻個(gè)體系統(tǒng)中每只螞蟻的運(yùn)動(dòng)模型概率、似然函數(shù)值、影響區(qū)域、權(quán)重和每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率。
3.根據(jù)權(quán)利要求1所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，其特征在于，所述步驟(500)和步驟(600)之間有步驟(550)，合并螞蟻系統(tǒng)若兩個(gè)螞蟻系統(tǒng)找得是同一細(xì)胞，則兩螞蟻系統(tǒng)進(jìn)行合并，其個(gè)數(shù)是原先兩螞蟻系統(tǒng)之和，任務(wù)完成程度也是之和，但小于I。
4.根據(jù)權(quán)利要求1所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，其特征在于，所述步驟(300)還包括實(shí)現(xiàn)下一步螞蟻個(gè)體移動(dòng)方向與具體位置，通過(guò)螞蟻模型概率和似然函數(shù)值來(lái)實(shí)現(xiàn)隨機(jī)搜索；在此基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)螞蟻局部狀態(tài)調(diào)整。
5.根據(jù)權(quán)利要求1所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法，其特征在于，所述步驟(600)中對(duì)剩余的螞蟻系統(tǒng)的似然函數(shù)閾值化具體為對(duì)于所剩余螞蟻系統(tǒng)，計(jì)算對(duì)應(yīng)的各螞蟻系統(tǒng)重心位置，對(duì)其位置的似然函數(shù)重新計(jì)算，若該似然函數(shù)大于設(shè)定閾值，則該重心位置對(duì)應(yīng)細(xì)胞估計(jì)位置。
6.一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，其特征在于，包括 多個(gè)螞蟻系統(tǒng)，每個(gè)獨(dú)立螞蟻系統(tǒng)對(duì)應(yīng)一個(gè)細(xì)胞的跟蹤； 直方圖模板庫(kù)，用于存儲(chǔ)細(xì)胞直方圖； 初始化模塊，用于設(shè)置多個(gè)螞蟻系統(tǒng)中的螞蟻個(gè)體在圖像中的初始分布情況，假定每個(gè)螞蟻系統(tǒng)跟蹤任務(wù)完成概率，初始直方圖模板庫(kù)構(gòu)建，設(shè)定螞蟻個(gè)體最大、最小活動(dòng)影響區(qū)域、權(quán)重、模型概率； 多個(gè)螞蟻個(gè)體決策單元，每個(gè)螞蟻個(gè)體決策單元對(duì)應(yīng)一個(gè)螞蟻系統(tǒng)，實(shí)現(xiàn)隨機(jī)搜索，決定下一步螞蟻個(gè)體的移動(dòng)方向與具體位置，并進(jìn)一步對(duì)螞蟻個(gè)體的局部狀態(tài)進(jìn)行調(diào)整；螞蟻協(xié)作決策單元，提取在當(dāng)前迭代中多個(gè)螞蟻系統(tǒng)的最佳直方圖，作為下次迭代過(guò)程直方圖模板庫(kù)； 細(xì)胞狀態(tài)提取模塊，對(duì)各個(gè)所述螞蟻系統(tǒng)進(jìn)行篩選，將利用有效的螞蟻系統(tǒng)對(duì)多細(xì)胞狀態(tài)進(jìn)行提取。
7.根據(jù)權(quán)利要求6所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，其特征在于，所述螞蟻協(xié)作決策單元，從上述的多個(gè)螞蟻系統(tǒng)中找到最佳直方圖；若當(dāng)前最佳直方圖與直方圖模板庫(kù)的平均相似度超過(guò)某閾值，該最佳直方圖序列加入當(dāng)前直方圖模板庫(kù)，為下一次迭代計(jì)算所用。
8.根據(jù)權(quán)利要求7所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，其特征在于，所述螞蟻協(xié)作決策單元還通過(guò)螞蟻移動(dòng)狀態(tài)模塊，實(shí)現(xiàn)螞蟻個(gè)體狀態(tài)進(jìn)一步調(diào)整；并更新每個(gè)螞蟻系統(tǒng)中每只螞蟻個(gè)體的運(yùn)動(dòng)模型概率、似然函數(shù)值、影響區(qū)域、權(quán)重、跟蹤任務(wù)完成概率。
9.根據(jù)權(quán)利要求6所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，其特征在于，所述細(xì)胞狀態(tài)提取模塊，通過(guò)對(duì)細(xì)胞跟蹤任務(wù)完成程度進(jìn)行閾值判斷，確認(rèn)有效螞蟻系統(tǒng)；通過(guò)螞蟻系統(tǒng)合并模塊，將兩兩狀態(tài)相近螞蟻系統(tǒng)進(jìn)行合并；并對(duì)剩余螞蟻系統(tǒng)的似然函數(shù)閾值化，提取多個(gè)細(xì)胞狀態(tài)。
10.根據(jù)權(quán)利要求6所述的基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤系統(tǒng)，其特征在于，所述螞蟻系統(tǒng)的數(shù)量大于需要跟蹤的細(xì)胞的數(shù)量。
全文摘要
本發(fā)明公開了一種基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法及其系統(tǒng)，多個(gè)任務(wù)螞蟻系統(tǒng)既獨(dú)立又相互協(xié)作工作；每個(gè)獨(dú)立任務(wù)螞蟻系統(tǒng)模塊對(duì)應(yīng)于一個(gè)細(xì)胞跟蹤,并用一個(gè)對(duì)應(yīng)的變量來(lái)描述其任務(wù)完成概率；對(duì)于每個(gè)獨(dú)立螞蟻系統(tǒng)，螞蟻個(gè)體狀態(tài)先通過(guò)螞蟻模型概率和似然函數(shù)值來(lái)確定，再通過(guò)局部調(diào)整模塊進(jìn)行狀態(tài)局部調(diào)優(yōu)；對(duì)于螞蟻系統(tǒng)協(xié)作層，在定義了一種有效的似然函數(shù)基礎(chǔ)上，通過(guò)相互交換信息方式找出當(dāng)前多個(gè)螞蟻群系統(tǒng)中最佳直方圖模板來(lái)更新模板直方圖庫(kù)，并進(jìn)一步更新每個(gè)螞蟻的模型概率、權(quán)重、影響區(qū)域和每個(gè)螞蟻系統(tǒng)任務(wù)完成概率，最終給出細(xì)胞狀態(tài)估計(jì)。本發(fā)明基于多任務(wù)螞蟻系統(tǒng)的多細(xì)胞自動(dòng)跟蹤方法及其系統(tǒng)，能夠?qū)崿F(xiàn)多種、具有不同動(dòng)力學(xué)特征參數(shù)、近距離移動(dòng)、細(xì)胞數(shù)量時(shí)變的多細(xì)胞自動(dòng)跟蹤難題。
文檔編號(hào)G06T7/20GK102999922SQ20121046573
公開日2013年3月27日 申請(qǐng)日期2012年11月19日 優(yōu)先權(quán)日2012年11月19日
發(fā)明者徐本連, 陳慶蘭, 魯明麗, 毛麗民, 朱培逸, 王小英 申請(qǐng)人:常熟理工學(xué)院