15、图像分割、跟踪、特征提取及处理算法详解

图像分割、跟踪、特征提取及处理算法详解

一、对象分割与跟踪基础

1.1 对象分割后处理

EGT 输出的是二值图像，需要对其进行连通性分析以标记所有相连对象。在 WIPP 中，可通过“Jobs”菜单下的“Mask labeling”来实现。标记完成后，既可以从固定的单个时间点计算特征并提取有趣的数据进行分析，也可以应用跟踪技术提取时间序列数据进行分析。

1.2 对象跟踪概述

对象跟踪是为分割检测到的对象在整个时间序列中分配唯一标签。分割是在某一时刻为像素分配标签以形成片段，而跟踪则是在时间上关联空间片段。跟踪算法通过评估相邻时间帧中检测到的对象之间的相似性来建立关联。例如，在时间 t1 被标记为 22 的对象和在时间 t1 + 1 被标记为 34 的对象，经跟踪后会被赋予相同的唯一全局标签。

跟踪在从活细胞的延时实验中提取动态测量值方面非常有用，如细胞迁移、形态和谱系发育等。一般来说，跟踪是通过为前一帧和当前帧的细胞之间分配一个成本值来实现的，该成本值衡量了当前帧的细胞应跟踪到前一帧细胞的概率。

二、WIPP 跟踪算法 - 谱系映射器（LM）

2.1 LM 可检测的细胞行为

LM 能检测以下 2D 动态单细胞行为：
- 迁移
- 有丝分裂
- 细胞死亡
- 片层内的细胞
- 细胞间接触频繁的移动细胞

2.2 LM 的重要特性

特性	描述