[發(fā)明專利]基于信息素預(yù)測的蟻群多細(xì)胞跟蹤系統(tǒng)有效
| 申請?zhí)枺?/td> | 201711061619.3 | 申請日: | 2017-11-02 |
| 公開(公告)號: | CN107871156B | 公開(公告)日: | 2020-08-11 |
| 發(fā)明(設(shè)計)人: | 魯明麗;徐本連;朱培逸;施健;朱繼紅;王偉 | 申請(專利權(quán))人: | 常熟理工學(xué)院 |
| 主分類號: | G06N3/00 | 分類號: | G06N3/00 |
| 代理公司: | 南京理工大學(xué)專利中心 32203 | 代理人: | 朱顯國 |
| 地址: | 215500 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 信息 預(yù)測 蟻群多 細(xì)胞 跟蹤 系統(tǒng) | ||
1.基于信息素預(yù)測的蟻群多細(xì)胞跟蹤系統(tǒng),包括如下模塊:
信息素預(yù)測模塊,輸入原始圖像,基于前一幀細(xì)胞信息素場高斯擬合的結(jié)果,利用高斯混合模型進(jìn)行信息素場預(yù)測,包括存活細(xì)胞、分裂細(xì)胞和新出現(xiàn)細(xì)胞的信息素預(yù)測;
螞蟻決策模塊,利用基于信息素梯度信息的螞蟻工作模式及基于鐘形曲線的信息素擴(kuò)散模型構(gòu)建信息素場,實(shí)現(xiàn)近距離細(xì)胞跟蹤;
信息素場的高斯擬合模塊,在信息素場構(gòu)建完成后,利用EM算法進(jìn)行高斯混合模型參數(shù)估計,實(shí)現(xiàn)信息素場的擬合,用于下一幀細(xì)胞信息素預(yù)測;
細(xì)胞狀態(tài)提取模塊,基于信息素場構(gòu)建,利用K均值聚類的方法對信息素場進(jìn)行分類,去除由雜波導(dǎo)致的虛假目標(biāo)后進(jìn)行多細(xì)胞位置估計,利用細(xì)胞距離特征進(jìn)行數(shù)據(jù)關(guān)聯(lián)獲取細(xì)胞運(yùn)動軌跡及相關(guān)的動力學(xué)參數(shù);
其特征在于:其中所述的螞蟻決策模塊中構(gòu)建信息素場中的基于信息素梯度信息的螞蟻工作模式:
1)螞蟻根據(jù)概率選擇鄰域內(nèi)像素進(jìn)行移動,若蟻群中的螞蟻a處于像素i所在位置,考慮近距離細(xì)胞狀態(tài)相互耦合,需要引導(dǎo)螞蟻向細(xì)胞中心位置移動,則該螞蟻選擇其鄰域內(nèi)某一像素j的概率為:
其中Ω(i)為像素i的近鄰像素集,τj(t)為第t次迭代時的信息素,為像素j的信息素梯度值,α、β及γ分別為信息素、似然函數(shù)值及信息素梯度的控制參數(shù);
ηj為啟發(fā)式函數(shù);為了引導(dǎo)螞蟻快速向目標(biāo)移動,當(dāng)螞蟻位于目標(biāo)像素外時其中是坐標(biāo)為(x,y)像素j的灰度值,T1與T2分別為坐標(biāo)x和y的最大值;當(dāng)螞蟻位于目標(biāo)像素上時,為訓(xùn)練模板數(shù)據(jù),q為向量個數(shù);ν為核帶寬,κ是為調(diào)節(jié)系數(shù);為巴氏距離,具體為
2.根據(jù)權(quán)利要求1所述的基于信息素預(yù)測的蟻群多細(xì)胞跟蹤系統(tǒng),其特征在于所述信息素預(yù)測模塊,其具體預(yù)測方式如下:
1)設(shè)定在第k-1幀有Mk-1個細(xì)胞,在第k幀細(xì)胞可能存活、分裂,消失或新出現(xiàn);設(shè)定細(xì)胞之間是相互獨(dú)立的且每個細(xì)胞信息素場符合高斯分布;第k-1幀信息素后驗(yàn)強(qiáng)度表示為高斯混合模型:其中τ為信息素,為第k-1幀第ip個高斯分量的權(quán)值,表示均值為e和協(xié)方差為g的高斯函數(shù),是第k-1幀第ip個高斯分量的均值,為第k-1幀第ip個高斯分量的協(xié)方差,ip為高斯分量標(biāo)識;則第k幀預(yù)測信息素強(qiáng)度為Φk|k-1(τ)=ΦS,k|k-1(τ)+Φβ,k|k-1(τ)+γk(τ),其中ΦS,k|k-1(τ)為預(yù)測存活細(xì)胞信息素強(qiáng)度,Φβ,k|k-1(τ)為預(yù)測分裂細(xì)胞信息素強(qiáng)度,γk(τ)為預(yù)測新出現(xiàn)細(xì)胞信息素強(qiáng)度;
2)利用第k-1幀信息素場擬合的結(jié)果預(yù)測存活細(xì)胞信息素強(qiáng)度,表示為為第k-1幀第js個高斯分量的權(quán)值、是第k-1幀第js個高斯分量的均值,為第k-1幀第js個高斯分量的協(xié)方差;Fk-1是信息素轉(zhuǎn)移矩陣,Qk-1為過程噪聲協(xié)方差,PS,k為細(xì)胞信息素狀態(tài)從第k-1幀到第k幀的存活概率,js為存活細(xì)胞標(biāo)識;
3)為分裂細(xì)胞信息素強(qiáng)度,其中Mβ,k,和為信息素狀態(tài)χ確定的細(xì)胞分裂信息素強(qiáng)度的形狀參數(shù),jd為第k-1幀細(xì)胞標(biāo)識,ld為第jd個細(xì)胞所分裂出細(xì)胞的標(biāo)識;
4)為新出現(xiàn)細(xì)胞信息素強(qiáng)度,Mγ,k,為信息素狀態(tài)χ表示的新出現(xiàn)細(xì)胞信息素強(qiáng)度形狀參數(shù),jn為新出現(xiàn)細(xì)胞標(biāo)識。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于常熟理工學(xué)院,未經(jīng)常熟理工學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711061619.3/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 信息記錄介質(zhì)、信息記錄方法、信息記錄設(shè)備、信息再現(xiàn)方法和信息再現(xiàn)設(shè)備
- 信息記錄裝置、信息記錄方法、信息記錄介質(zhì)、信息復(fù)制裝置和信息復(fù)制方法
- 信息記錄裝置、信息再現(xiàn)裝置、信息記錄方法、信息再現(xiàn)方法、信息記錄程序、信息再現(xiàn)程序、以及信息記錄介質(zhì)
- 信息記錄裝置、信息再現(xiàn)裝置、信息記錄方法、信息再現(xiàn)方法、信息記錄程序、信息再現(xiàn)程序、以及信息記錄介質(zhì)
- 信息記錄設(shè)備、信息重放設(shè)備、信息記錄方法、信息重放方法、以及信息記錄介質(zhì)
- 信息存儲介質(zhì)、信息記錄方法、信息重放方法、信息記錄設(shè)備、以及信息重放設(shè)備
- 信息存儲介質(zhì)、信息記錄方法、信息回放方法、信息記錄設(shè)備和信息回放設(shè)備
- 信息記錄介質(zhì)、信息記錄方法、信息記錄裝置、信息再現(xiàn)方法和信息再現(xiàn)裝置
- 信息終端,信息終端的信息呈現(xiàn)方法和信息呈現(xiàn)程序
- 信息創(chuàng)建、信息發(fā)送方法及信息創(chuàng)建、信息發(fā)送裝置
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類預(yù)測方法及裝置、預(yù)測模型訓(xùn)練方法及裝置
- 幀內(nèi)預(yù)測的方法及裝置
- 圖像預(yù)測方法及裝置、電子設(shè)備和存儲介質(zhì)
- 文本預(yù)測方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)
- 基于蟻群優(yōu)化的分布式服務(wù)質(zhì)量多播路由方法
- 一種基于圖像背景提取前提的蟻群多細(xì)胞跟蹤系統(tǒng)
- 一種基于協(xié)作與競爭模式的蟻群近鄰細(xì)胞跟蹤系統(tǒng)及其應(yīng)用
- 云平臺下基于文化?多蟻群算法虛擬機(jī)整合的方法
- 多貝努利隨機(jī)有限蟻群多細(xì)胞跟蹤方法
- 雙層多貝努利隨機(jī)有限蟻群多細(xì)胞跟蹤方法
- 一種基于多蟻群遺傳算法的分布式數(shù)據(jù)庫查詢優(yōu)化方法
- 基于標(biāo)簽蟻群的聯(lián)合多細(xì)胞跟蹤方法
- 一種多星協(xié)同任務(wù)規(guī)劃方法
- 基于螞蟻?zhàn)哉{(diào)整覓食行為的多細(xì)胞跟蹤方法及系統(tǒng)





