（生物医学工程专业论文）小鼠自发活动的图像识别研究.pdf

声明 本学位论文是我在导师的指导下取得的研究成果， 尽我所知， 在 本学位论文中， 除了 加以 标注和致谢的部分外， 不包含其他人己 经发 表或公布过的 研究 成果， 也不包含我为获得任何教育机构的学位或学 历而使用过的 材料。 与我一同 工作的同 事对本学位论文做出的贡献均 己在论文中作了明 确的 说明。 研 究 生 签 名 : 洲一 曳湮一尹7 年夕 月夕 日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档， 可以 借阅 或上网公布本学位论文的部分或全部内容， 可以向 有关部门 或机构送 交并 授权其保存、 借阅或上网公布本学位论文的部分或全部内 容。 对 于 保密论文，按保密的有关规定和程序处理。 研 究 生 签 名 : 逃 鱼理红-少7 年夕 月 ; 日 硕士论文小鼠自发活动的图像识别研究 1 绪论 1 . 1 研究意义 对动 物活动 过程的测定与 分析是神经生理学、 行为药理学 等神经科学 领域的重 要 手段 之一，也 是进行药 理、 毒理 分析的 重要方法。 动物在药物、 毒物 及各种外界 物理因素的影响下，其活动频率、活动范围、记忆力等是否由于这些外界因素的影 响而有所改变，这就需要观察动物活动的变化来判断。传统的行为学研究主要是依 靠 研究者的目 视 观察与定性评 判，费时费力， 主 观因 素影响较大， 且很多 参数不能 定 量化. 后来， 光电 技术被广泛 应用于自 发活动的 检测中，结 合计算 机的 应用产生 了多样的监测装置，但指标较少，空间分辨率或时间分辨率都不够满意。近年来， 随 着计算 机技术的 发展， 动物 行为的自 动识别 进入了视频 记录与 观测结 合数字图 像 分析的阶段，不仅能准确记录动物的行动，还能对体态姿势进行辨别，为实验者提 供了更多的信息，具有广阔的应用前景。 小鼠自 发活 动试验是 应用最广的自 发活动 行为测定 方法。 在实 验中， 除了 小鼠 的活动范围，速度等参数外，其丰富的动作、姿势、甚至尾部和足的活动等体态特 征 也具 有大量的 科研价值， 是研究 者们关心的内 容。 视 频技术和图像 分析技术在 这 个领域的 应用为 广大科 研工作者提供了更快 捷可靠的实 验工具， 也 推动了 动物 行为 学、 药 理 学 等 相 关 学 科 的 发 展。 l 图 sj 1 . 2 实验鼠自 发活动的检测方 法综述 自 发活 动行为 测定是一些神经 科学学科研究动 物的 安宁、神 经行为遗传 学及脑 功能的重要参数， 作为中枢神经系统临床前观察药物行为作用和安全药理学评价的 始初筛选， 一般包 括行为和活动 测定。活 动行为监 测亦是观察生 存健康的主 要生理 指标及研究宾 主共 栖生 物的 影响和 环境因 子的一 种手段。因 此， 活动行为 监测已 经 渗透到大多数 啮鼠 类动物广泛范围的 各项研究， 并已 扩大到对非 人灵长类 动物等的 研究， 无论 作为主 要关注点 还是附 加方法， 活动行为 监测已 涉及 研究灵长 类的时间 生物学、 营 养学、 毒理学范畴。 各种动 物有其自 身的自 发活动 类型， 因而 测量装 置 应按动物特点 设计。 监测动物行为 活动的 方法有 红外线光束、 超声波、 视频分析、 电 压金属板、 运动 传感器、 机械振动传感 测定、 机 械装置、植 入遥感勘 测传送装 置 等定量活动行为方法。抖笼法、抖笼滴水法、转轮法、斜笼法、运动计量法等以往 硕 士 论 文小鼠自发活动的图像识别研究 的 经典方 法现己 不 常用。 l4) 小鼠自 发 活动 试验中 多数用 红外线光束法测定 小鼠 的自 发 活动总数， 或用开 场 法人工或自 动记 录穿 越格数、 后腿站 立次数、 理毛 次数、 大便粒数、 竖起或 修饰次 数( 两前 肢离地i c m 以 上的次 数) 、 竖起或修饰 时间( 两前 肢离地i cm 以 上的时间 ) ， 但多 数方 法忽略呼 吸、 头与 尾动作 及颤动 等小的 移 动。 随 着显像技 术的 发展，设 备 成本的降 低， 计算机视 频跟 踪技术在该 领域得到 广泛应用， 小鼠 垂直与水平 移动包 括走动、 跳动 和头部活动 均能 被快捷可靠 地监测。 近年来， 开场 实验结合 计算机数 字 化采样 和分析 技术， 可自 动记 录小鼠自 发 活动的 全过程， 并分 析其运动轨迹， 得 到 一系列 行为学指 标，使实 验更加高效、 客观。 但目 前 数字图像 处理技术 用于 动物 行为学分 析主要是 通过跟 踪动物重 心， 描绘运动 轨迹， 计算 运动 速度、 距离、 活动 度等定量 参数， 进行简单 运动 参数的 分析， 对动物 姿势体态的识 别还没有 成熟的 技 术 和产品。 下面介 绍几种主 要的小鼠自 发活动 检测的 方法和装置。 臼 ， 习 2 . 1基于传感器的检测方法 该类检 测装置 可以 使 用多 种传感器。 如 机械开 关， 动物踏上 后开关闭 合， 输出 活 动信号，或者红外光电开关， 动物阻断或反射红外光路后输出活动信号: 各类传感器 技 术成熟， 可以自 制， 也 可以 采用工业成品。 传感 器的 布放依 据自己 的 研究目 的而 定， 如 放在活 动转轮上( 磁铁与 霍尔器件) 或放 在活 动通 道上( 红外 传感器、 机械开关) 等。 一 般都与 单片机 相连， 能自 动处理数据， 从而自 动 显示 动物运 动轨迹、 运动次 数; 测 定 动物运 动及静止 的时间、 运 动路程和平均速 度等， 但一 般不能 进行 动作体态的 识别。 6 7 1 2 . 1 . 1 啮鼠 试验笼 法 每个 试验笼( 40 cmx 25 cm火 巧 c 动放于1 2 cm厚 墙内的 隔音 木箱中，低高 两个红 外光 束探头置 于离 地2 、 8 。 m 处 ，地面垫i cm厚 锯屑。 测量 参数有: 走动:由 低位 探头测 量小鼠 在试 验笼内 的 水平位 走动: 站起: 由 高位探头 记 录站起次数 与站起所 需时间的 比 例; 活动总数 : 连续的 接触试验笼的 次数， 即 传感 器接受动 物所致试 验 笼的 各种振动 如走 动、 站起 及摇动、 震动、 抓搔、 修饰。 测 量时 间为 3 个连续的 20mino 每鼠仅 测1 次 活动 参数。幻 1 . 2 . 1 . 2 动物活 动自 动监测仪 该 装置 一般由 红外光 束阵列扫 描及单片机系 统组成。 当 动 物在红外扫 描阵列区 活 硕士论文小鼠自 发活动的图像识别研究 动时， 系统自 动检测出动物所在的 位置及其停留时间。 动物的整个活动过程全部被记 录在存储器中， 记录结 束后，由 单片机进行统计与 分析， 从而说明 动物的 活动情况。 动物在检测区 域活动， 停留 在不同的 位置， 相应的红外光束被隔断， 单片机检测输出 电 压的大小， 经软件判断动物所在的位置。 该装置能准确地记录动物的活动， 并能进 行长时间监测， 使用其统计功能可以 得到动物的活动规律及生活习性。 还可以 配合各 种物理刺激( 如光、声、电等) ，测定动物在这些外界因素影响下其活动的变化情况。 m 1 . 2 . 2基于视频技术的检测方法 视频技术融入小鼠自 发活动的检测， 使检测结果更直观， 可检测的参数更多。 该 类装置不仅能快速检测出小鼠 的活动范围、 路程、 速度等活动参数， 而且有些能够识 别竖起、跳跃、扭体等体态特征，为研究者提供更多的实验信息。 1 . 2 . 2 . 1图 像分析法 该系统测定开放场区的小鼠自 发活动， 给药后将小鼠 单只放入垫有黑色橡胶板的 开放场( 35 cmx 30 cmx 22 c m)，适应环境一段时间后，开始检测。视频图 像显示和 图像分析仪均由电 脑操作调控完成。 图 像分析系统自 动显示和记录自 发活动， 测定参 数 包括走动 距离 、 行走时间、 静止 时间 和平均 速 度。 目 前该 技 术已 发展到 可以 长 时 间同时 测量多只小鼠 的 活动情况。 s s 1 . 2 . 2 . 2体位方阵法 动物活动可以 用它在三维空间x ， y 、2 的坐标来表示，动物在平面上运动时，它 的坐标位置发生变化。 设动物在某一时间间隔内 其体 位从 a 点到 b 点。 则其位移可 表示 为 5 二 ( x 林 y z ) /2 : x ， y 轴各以 a 为 度量单位， 在每一单位上作x ， y 轴的 垂线则xy 平面 就够成一 个虚拟方阵。 各垂线的交点 就是一 个方阵点。 根据动物活 动处于平 面行走与 直立或上跳活动时它所占 方阵点的数目 不同( 如图1 . 1) 进行动物体位特征模式识别的 方法，称为体位模式识别方法。 硕 士 论 文小鼠自发活动的图像识别研究 图1 . 1动物平面行走时所占的方阵点数 大于直立活动所占方阵点数 体位方 位阵模 式识 别方法 能将 动物活动用平 面二维的 检测实 现三维检测的效 果， 简化了 检 测仪器结 构的 设计， 但体 态检测结果较为 粗略， 对蹲卧、 扭体等所占 方阵 点 数 差别不大的 体态 无法进行识 别。回 叫 1 . 2 . 2 . 3体 态自 动识别 动 物的 行为是由 体态 和体态的 变化构 成的， 运动参数 是对动 物行为一个 较粗略的 描 述， 动物的 体态则 含有更多 心理 信息， 在行为 分析中具 有更重要的 意义， 体态的 正 确识别是行为自 动识别 与分析的 基 础。 s p ruijt 121 等 首先尝试 着眼于区分修 饰和休息 体 态的 处 理 方 法 研 究 。 lo ch em ls 等 从 头 部 的 坐 标( 嘴巴 突 起 ) ， 尾巴 根 部 的 坐 标， 修 正 的身 体重心坐 标，以及由 这3 点 得到的附 加特征的结 合对大鼠 体态进行分 类研究，在 此基 础上， r duss ea了。 等结 合用 运动模 式来区 分大鼠 的 9 种典 型的 行为 状态。 h eere 砂习 等以大鼠轮廓的f ourie r 描述子构建特征矢量，用神经网络对体态进行分类。 c 娜 b e l ltl幻 用 运动分析 和轮廓 功率 谱分析来识别 运动、静 止和 修饰3 种行为。 由于 动物的 个体差 异和 动物体 态本身有其多 样性， 体态的 定义及相应的 量化参 数 矢量的 选择对动 物体 态的 准 确识别以 及行为分析 至关重 要。 浙江大学的张 敏博士图 1， 分别用基于朴素贝 叶斯分 类器和基于轮 廓曲 率谱系聚类 这两 种方法来进行动物的 体 态识别。前 者将 大鼠 的体 态归 于 修饰、伸 长、 屈身、 蹲卧 4 种， 并作为朴素 贝叶斯网 络的属 性类， 选择4 个具 有尺 度、 平移、 旋转不变 性的参 数， 作为朴素贝 叶斯网 络的 属性参数， 对网 络进行 训练并 进行体 态识别。 后者用曲 率函 数描述大鼠 的 轮廓， 并 将 曲 率函数的 频谱 作为特征 矢量， 进行体态识 别和分 类。 考虑到 大鼠 体态的 轮廓具有多 样性， 人 眼所归为 同类的 体态， 其轮 廓曲 率函数可 能 有差异， 为此对每一 类体态 用谱 系聚类方 法得到 该体态中典 型 性的几 个聚类中心 矢量， 构建 体态子类。 4 硕士论文 小鼠自发活动的图像识别研究 但是上述的这 些体态识别方 法大多有 较为复杂的算 法， 且一般以 体积较大的大鼠 为 研究 对象，在实 验小鼠的 快速 检测中未必 有高效的表 现。 图像处理与识别技术 图 像处理与识 别技术是信息时 代的一门 重要的高新 科学技术， 现己 广泛地应 用 于 遥感、 文件处理、 工业检测、 生物医学、 交通、通信 等众多领 域。 近 20 年来， 图 像处理与识别技 术得到了 更为 深入、 广泛的发 展， 现在 人们已 充 分认识到数字图 像处理是认识世界、改造世界的重要手段。 数字图像处理 系统是执行处 理图 像、 分析理 解图 像信息任务 的计算 机系统。 尽 管图 像处理技术应 用广泛，图 像 处理系统 种类很多，但 他们的 基本 组成是相近的， 一般都包含图像输入设备、图像处理机、输出设备和存储设备。 1 . 3 . 1 数字图 像处理技术11n 1 ， 3 . 1 . 1 基本运算形式 数字图像信息 可看成是一个二 维数组， 对它处理的基本 过程如同电 视光栅扫 描 过 程， 并在扫 描过程中逐点对各 像素进 行处理。 在扫描过程中， 用计算机对各像 素 进行的 处理有各种 方式， 其基本 运算形式有以 下几种. 1 . 点运算 在对图像各 像素进行处理时， 只输入该 像素本身灰 度的 运算 方式称为点 运算. 图像上某像素的 灰度为f(i ， 力， 采用点运算方式作p 处理后得到图像该点灰度为 9 ( 1 ， 力，即: 9 ( 1 ， j ) = p ( f ( 1 ， j ) )( ， . 1 ) 对图 像作点 运算处理时各像素间 不发生 关系，各像 素的 处理是 独立进行的。 2 . 邻域运算 在对图像各像素 进行处理时， 不 仅输入该像 素本身的灰度， 还要输入以 该 像素 为中 心的 某局部区 域 ( 邻域) 中的 一些 像素的灰 度进行运算的 方式， 称为邻域 运算。 例如，像素石，石，一， 儿组成像素儿的邻域，儿处理后的像素 90= 认十 石 + + 儿 )/ 9 ， 此时 对 输 入图 像 各 像 素 所 做 的 处 理 就 是 邻 域 运 算。 由 于邻域运算能 将像素周围 邻域内 的 诸像素 状况反 映在处理结 果中， 因 而便于 实 现多 种处理内 容。 3 .并行、串行运算 并行运算指的是对图像上各像素同时进行相同处理的运算方式。 这种运算方式 硕士论文小鼠自发活动的图像识别研究 处 理速度快， 但只能 用于处理的 结果与 处理的 顺序无关的 场合。 串 行运算 是相对于并 行 运算而言的， 是 在图 像上按规定的 顺序逐 个对像素 进行 处 理的运算 形式。 4 . 迭代 运算 反复 多次 进行 相同 处 理的 运算 称为迭 代运算， 常用于一 次运算 不能 达到处 理目 的的情况。 迭代 运算的反 复次数可 以在处 理前设定 ，也可以 在处理 过程中根 据是否 达到处理的目 的来自 动判别确定。 5 . 窗口 运算 窗口 运算 是指 对图 像特定 的矩 形区域进 行某种 运算的 形式。 由于图 像的信 息量 很大， 为减少处理的 时间， 常常 采用 这种运算方 式来替代全图 像运算。 窗口 运算的 矩形区域可以 是图 像中 存在 某对象 物的 位置， 也 可以是图像中 具有 代表性的 特征区 域。 窗口 的 位置和大小 一般由 其左 上角的 坐 标和所 包含的 行数和列 数确定。 6 . 模版运算 对图像中特定形状的区域进行某种运算的方式称为模版运算. 模版一般是与图 像中 存在的 对象物有相同 特征的 一 个局 部的 子图 像， 通过对图 像上各 像素的模 版运 算，可以找到图像上与模版特征相同的对象物的存在位置。 模版与 窗口 相比 ， 除了 两者的 形状不 一定相同 外， 他们的 主要区 别在于窗口 仅 仅 划定了 一 个处 理范围， 而 模版是子图 像。 7 .帧运算 以上各种运算都是在一幅图像内进行的，图像之间不发生关系。通常一幅完整 的图 像被称为 一帧， 在两 幅或 多幅图 像之间 进行运算产生一 幅新图 像的处理 称之为 帧 运算。 帧 运算可看 成是一 种图像 合成处理 。 运算是， 将两 帧或多 帧图 像中的 对应 点用位逻辑运算或算术运算方法进行合成。 1 . 3 ， 1 . 2主要处理技术 利用上述各 项基本 运算或 其组合可以 对图 像进 行各 种处理， 当 今主要的图 像处 理技术有: 1 .图像数字化 将模拟形式的图 像通过数字 化设备 变为计 算机可 用的 离散的图 像数据的 技术。 2 .图 像变换 改变图 像表示 域和表 示数据， 以便 于后 续工作的技 术。 如傅 利叶变换。 3 .图 像增强 改善图像的主观质量，以便于人或机器分析、理解图像内容的技术。其常用手 硕士论文小鼠自发活动的图像识别研究 段有直方图修正、图像平滑、图像锐化等。 4 .图像恢复 对失真图 像进行处理， 使处理后的图像尽 量接近原始的 未失真的图 像的 技术。 图像恢复的关 键是找出图 像降 质的原因， 并尽可能消 除它。 常 见的恢复 方法有纠 正 几何失真、改善信噪比等。 5 .图像分割 根据 选定的 特征将图 像划分成几个有意义的 部分， 从而使原图像 在内 容表 达上 更为简单明了的技术。 6 .图像重建 利用x 射线、 超声波等手段 取得物体的 多幅 来自 不同角度的 二位投影图 ( 它们 反映了 物体内部 情形) ， 通过计算可得出 物体内 部部 位的图 像。 这种技术 称为 投影 重建，以医 学上 广为 采用的计算 机层析术 ( c t) 为代表。 另一 类复 杂的重建 技术为 利用明暗、运动、体视等图像信息恢复三维物体形状。 7 .图 像数 据压缩与编 码 减少图像数据量，以便于传输和存储。以二维形式呈现的数字图像的信息量很 大，给传输、处理、存储和显示都带来不少问题。而图像中的冗余信息也相当大， 根据sh ann on的率失 真理论， 不论在传输或存 储时 都可 对图 像进行编 码， 实 现不失 真压缩或容许限度内的失真压缩。 8 .图像存储 把图 像数据 存储在给定的存 储介质中的 技术， 包括图像格 式化、 编 码和解码、 数据结构、索引等。 1 . 3 . 2图 像识别 技术 1 . 3 . 2 . 1 概念及发展 图 像识别亦 称模式识别， 它是随 着计算机的发 展而兴起的 一门 新学科。 狭 义地 讲， 模式就是图 像。 图 像有两种类型: 一种是直观 视觉图像， 如照片、图 案、 文字 等; 另一种是间 接转换图 像， 如语言、 声音、 心率、 地震 波等等. 通过 计算 机控制 系 统来模拟人 对各种图像的 识别能力就是图像 识别的研 究范围 。【 旧 具体来说， 图 像识别就是对处理后的图 像进行分 类， 确定 类别名称. 它是 在图 像分割的基础 上，找出 各部分的形 状和纹理特征，以 便对图 像进行分 类， 并 对整个 图 像作结构上的 分析。tl. 一个图 像识别系统主要 包括:图 像获取: 信息 加工处理: 抽取 特征; 判断 或分 类等. 如图1 . 2 所示: 硕 士 论 文小鼠自发活动的图像识别研究 图1 ， 2图像识别系统 图像识别的 发展大 致经 历了 三 个阶段: 文 字识别、 图像处理 和识别及 物体识别。 文字 识别的 研究是从 1 9 50 年开 始的， 一般是识别 字母、数字 和符号， 从印 刷文 字 识别到手 写文字 识别， 应 用非常 广泛，并且已 经 研制了 许多专用设备， 例如， 邮 政 读号机就是一 种专用文 字 识别设备。 图像处理 和识别的 研究， 是从1 9 65年开始的， 计算机图 像处理不但可以 消除图 像的 失真、 噪声，同 时还 可以 进行图像的 增强与复 原，然 后进行图 像的 判读、 解析 与识别， 如航空 照片的 解析、 遥感图 像的处理与 识 别等。 物体识别也就是对三维世界的认识，它是和机器人的研究有着密切关系的一 个领域。侧 1 . 3 . 2 . 2 主要方法tzl 兀 阅 圈 目 前主流的 模式识 别 方法有: 统计模式识别、 句法模式识 别、模 糊数学方 法、 神经网络法、人工智能方法。它们之间往往存在一定的联系和借鉴。 统计模式识 别技术 理 论较完善， 方法 也很多， 通常较为 有效， 现已 形成 一个完 整的 体系。 该方法以 数学 上决 策理论为 基础， 根据这种理论建 立了 统 计学识别 模型。 其 基本模型是对 研究的 图 像进行 大量统计分析， 找出 规律性 认识， 抽出 反映图 像本 质特点 的 特征进行识别 。 在这 种方法中， 大量 工作在于如 何抽取图 像的 特征 或决定 统计参数，即 所谓参 数法。 另外， 还有非 参数决策 法， 如 近邻法则， 它是 一种绕 过 概率的 估计而直 接进行 决策的 方 法。 对于 特征提取， 必须 把图 像的大 量原始 信息 缩 减为 少数的 特征， 例如采 用方差 分布、 特征向 量 法等。 为了 提取 特征， 有时 要对 原 始图 像信息进 行各种 变换， 空间 投影， 把多 维的图 像点简 化到几个坐 标分量 上。 例 如， 在高空用多波 段遥 感仪 得到的 遥感照片， 具有大 量的图 像数据， 为了 进行识别， 可先 将其 划分成 若干小 的集 群， 进行聚合分析。 句法 模式识 别也 称为 结构模 式识别. 在许多 情况下， 对于较 复杂的对 象仅用 一 些数 值特征已 不 能较充 分地 进行 描述， 这时可 采 用句法识别 技术. 句法识 别技术 将 对象 分解为若干 个基本 单元， 这些基本单 元成为 基元; 用这些基 元以 及它 们的结 构 关系来描述对象， 基元以及这些基元的结构关系可以用字符串或图来表示:然后运 硕士论文 小鼠自 发活动的图像识别研究 用形式语言理 论进 行句 法分析， 根据其是否符合某一类文 法而决定 其类别。 模糊 模式识别 技术运用模糊 数学的 理论和方 法解决 模式识别问 题， 因此 适用于分 类识别对象 本身或要求的 识别结 果具有模糊性的 场合。目 前， 模 糊识别方法 较多 。 这 类方法有效 性主要在于 对象类的 隶属函 数是否良 好。目 前 主要的方 法有模糊统 计法、 模糊分布法、 二元 对比 排序法、 相对比 较法和专家 评分 法等. 人工神 经网 络是由 大量简单的 基本单元 神 经元 ( n eu ron) 相互联结而 构成 的 非线性动 态系统， 每个神 经元结构和功能比 较简单， 而由 其组成的 系统却 可以 非 常复杂、 具有生物 神经网 络的 某些特性， 在自 学习 、自 组织、 联想 及容错方面 具有 较强的能力， 能用 于联想、 识别和决策. 在模式识别方面，与 前述 方法显著不同 的 特点之一是 在学习过 程中 具有自 动提取特征的能力。 人工智能 是研究如 何使机器具 有人脑功能的理论和方 法， 模式识 别从本质 上讲 就是如何根 据对象的 特征 进行类 别的 判断， 因此， 可以 将人工 智能中有 关学习、 知 识表示、推理 等技术用于 模式识别。 上述五 类方法各 有其特点及 应用范围， 不能 相互取代. 一个较完 善的识别 系统 很可能是综 合利用上述 各类识别 方法的 观点、 概念和技 术而 形成的。 1 . 4本文主要研究工作及论文主要章节安 排 1 . 4 . 1主要研究工作 在查阅了国内 外有关 计算机图 像处 理和识别技术和动 物自 动检测 系统开发， 特 别是小鼠自 发 活动检 测的 文献的 基础上， 设计了 顶部拍摄的跟 踪检测方 法; 编 制了 相应的软 件， 实现 对小鼠 活动的定 位和 跟踪; 通过计算 机自 动处理获 得运动轨 迹， 计算运动 速度、 距离、 活动度 等定量参数;并 通过实验采集图 像资料 进行处理， 从 而对算法进行检验。 本文的研究 表明， 顶部拍 摄法在对小鼠 活动的 定位和跟踪 等方面效果良 好， 但 在对小鼠体态的识别方面不方便; 为此， 本研究还设 计了 侧面 拍摄法，并 运用 运动检测、图 像分割 等处理技 术实 现了 相应的 算法。 实验测 试和分析结果表明， 该方 法不 仅可以 用来 检测小鼠 在 底面 的 平面活动，而 且在对小鼠 的竖 起等 体态识别上非常有 效。 1 . 4 . 2主要章节安排 第 一章: 绪论。 主要介绍了 小鼠自 发活动的图 像检测研究的 意义和 现有的实验 动物 硕 士论 文 小鼠自发活动的图像识别研究 检测方法，以 及图 像处理与识别技 术的 相关知 识和 方法。 第 二章: 顶部拍 摄法。主 要设计了部 拍摄法的算 法流程、 软件程 序、 实验 装置、 处 理过程和 对处理结 果的分析，并 讨论 它的 优点 与 不足。 第三章: 侧面 拍摄法。主 要设计了 面拍摄法的算 法， 叙述所涉 及的理 论基 础，设 计 算法流 程和相应的 软件程序。 第四章: 侧 面拍摄法实验 。主 要设计了 面 拍摄法的实 验装置和处 理过程， 给出 其处 理结果， 并通过与顶 部拍 摄法处 理结果的比 较，讨论 该方 法的 优缺点。 第五章:总结与展望。总结本文以及对未来的工作进行展望。 硕士论文 小鼠自发活动的图像识别研究 2 顶部拍摄法 ( 二维法) 顶部 拍摄法就 是将摄像头置于 装置顶部，向 下拍摄 小鼠的 活动. 从现有的文 献 来看， 这是一种 被普遍采用的 跟踪检测方法。 本文中， 为了 提高 运算速 度， 将实 验 小白鼠置于黑色背景下，从而使图像尽可能简单，方便处理. 2 . 1 算法 流程介绍 图 2.1顶部拍摄法算法流程 如图2 . 1 所示， 本算 法可以 分为 设定、 处理和显示 三部分。 在设定 部分， 可以 人为设定需 处理的资 料的 时间长度(0 一 60秒内 ) ， 也可以 用默认的时间长度(5秒) 。 设定完 成后进 入处理部分，由 于小鼠 与活动背景反 差较大， 所以 一幅图 像被获 取后进行二 值化分割， 得到目 标物体， 然后通过 将目 标物体 所有点坐标累加求 平均 硕 士论 文 小鼠自发活动的图像识别研究 的方 法将物体的 中心定 位，并记 录。 下面判断图 像是 否为最后一 幅要处理的图 像， 如果是，则进入显示部分。 在显示之前首先 要对纪录的 所有坐标点 数据进 行分析 和计 算， 判断小鼠 活动 次 数， 求得其活动距离 ( 通过屏幕 距离 和实际距离的比 例得到真 实距离) ， 活动时 间 和平均速度，最后画出小鼠活动轨迹图并显示各项参数。 2 . 2 实验及讨论 2 . 2 ， 1 实验装置 本实验中， 实验小鼠 被放置在长3 3 cm， 宽3 0c m ， 高3 0c m 的 硬纸盒内 ( 如果 纸盒 高 度太低， 小鼠 很容易跳出来) ，顶 部无盖 ( 自 然光作为光 源， 可以 减少 亮度不均 带来的误差) 。纸盒底面和四壁均贴上低反光黑色卡纸。摄像头 ( 今视通钦金可变 焦 数码摄像头) 安置于 纸盒顶部中间 位置 ，向 纸 盒内 拍 摄底面全景 和接近二 分之一 高度的四壁。 2 . 2 . 2 实验结果 实验开始后， 用 摄像头拍摄软 件每隔5 秒自 动 保存一帧 照片资 料， 连续 拍摄60 分钟。我们用不同的小白鼠，分别在不同时间段进行了三次实验，拍摄得到三组资 料。然后用顶部拍摄法软件处理实验资料，处理过程和结果如下。 2 . 2 . 2 . 1 设定处理时间 进入处理程 序后首先 需设定时间， 从而得到 处理的图 像资料的 张数。 也可 跳过 这一步，直接进入5 分钟，即 60 幅图像的批处理程序。 硕士论文 小鼠自发活动的图像识别研究 2 . 3 本章小结 本章从文献资 料中介绍的常用 方法出 发， 介绍了顶 部拍摄法 ( 二维 法)的 设计 思路、算 法流程、实 验装置， 展示了 对实 验资料的处 理结果. 在实验中我 们对实验 小鼠 进行拍摄， 获取了真实 影像资料， 通过对实验资 料的处理 和分析，我 们发现总 的 来说本方法 对小鼠 平面活动 信息的 获取和处理 是可靠而高 效的， 但是 在体态的准 确识别上难以实现。 硕士论文小 鼠 自发 活 动 的 图像 识 别研 究 体 之间的 灰度值 有明 显的 差别， 可以 通过取阐 值来区分。 但是图 像中 区域的 范围常 常是 模糊的， 因 此如何 选区闭 值便成为区 域分割处理中 的关 键问 题。 在一些简 单图 像中， 对象物的 灰度分布比 较规律， 背景和景 物在图像的 灰度 直 方图 上各自 形成 一个波 峰，即 区域 和波峰一一 对应。 此时 可采用双 峰法， 取双峰间 低 谷处所 对应的 灰度值为阐 值进行分 割. 如果 几个区域的 灰度分布 和有重叠， 以 致 没 有明确的 低谷， 但各区域 面积占 图 像总 面积的比 例p 是大 致清楚 的或预 先设定的， 这 种情况下可以 用p 参数法来 确定分 割阐 值。 然而很多情 况下，图 像灰 度直方图的 形 状是多变的 ， 有双 峰但无明 显 低谷或者是双峰 与低谷都 不明显， 而且 两个区 域的 面积比 也很难 确定， 这时， 采 用最大方差自 适应阐 值法往往能得到 较为满 意的结果。 图3 ， 3 为 包含有两 类区 域的 某个图像的灰 度直方图， 设t 为 分离两区 域的阂 值。 由直方图经统计可得: 图3 3灰度直方图 石 区域 1 面积比 ( 3 3 ) (34)(35)(36) 区域2 面积比 。 = 全 生 1 = t + in 面积比 之差乓= 1 一 只 整幅图 像的平均灰度产 二 艺( 石 阅阴 区域1 的平均灰度、 一 喜 全 (f， 洲 与 al j 而n 区域2 的平均灰度 ， ， n 卜 气 j ， x 一 ) n 引叉刚 1-久 越 硕士论文 小鼠自发活动的图像识别研究 式中，g为图像的灰度级数。 整幅图 像的 平均灰 度与区域1 、区域2 的平均 灰度值 之间的 关系为 : 产= 从 只十 热久(a. 9) 同一区域常常具有灰度相似特性，而不同区域之间则表现为明显的灰度差异， 当 被 阐 值 t 分 离 的 两 个 区 域 间 灰 度 差 较 大 时 ， 两 个 区 域 平 均 灰 度从 ， 热与 整幅 图 像 平均灰度户 之差也较大， 区 域间的 方差就是描 述这 种差异的有效参 数， 其表 达式为: 代(t ) = 已 ( 从一 产 ) ， + 风 ( 热一 产 ) ，(3.l 0) 式 中 ，心表示 了 图 像 被 闽 值 ， 分 割 后 两 个 区 域 之间 的 方 差. 显 然 ， 不 同 的 ; 值 ， 就 会得到不同的区 域间 方差，也就是说， 区域间 方差、区 域1 均值、区 域2 均 值、 区 域 1 面积比 、区 域 2 面积比 都是阐 值t 的函 数。当 被分割 两区 域间 方差最大时 ，被 认为是两区域的 最佳分离 状态，由 此 确定阐 值to 以 最大方 差决定阐 值不需要人为 设定其他参 数，是一 种自 动选择阐 值的 方法， 它不仅适用于两个区域的单阐值选择，也可扩展到多区域的多阐值选择中去。 3 . 1 . 3 形态学滤波器 数学形态 学是20世纪60年代中 期由 法国 数学家瓶t h eron g 和serraj 创 立 的。 它把集合论的 方法用于图 像分析， 是定量描述图 像等信息 对象形状的有 效手段， 已成为图像处理分析的重要工具，同时也有不少学者讨论了它在时间序列处理中的 应用。 图侧 其 基本思想是用具有一定形 态结 构的 结构 元素去 探测一个图 像中的 形 态，以 解决图 像的理 解分析问 题。 1 ， 形态学滤波 器有 4种 基本运算: 膨胀( d i l ati on) ，腐蚀( erosi on) ， 开运算 (o p e n ing ) 和闭 运算( dosi n 动。 开运算是 在先腐 蚀的 基础上再 膨胀， 闭 运算则是 在 先膨胀的基础上再腐蚀。 3 . 1 . 3 . 1 灰度图 像形态学运 算叫侧 冈 对于灰 度图 像而言， 灰度膨胀常用于 平滑图 像中 微小的 低灰度值区 域。 可以 定 义为目 标a 的 局部区 域与结构化函 数b 的和的极 大值: a eb = m ax a ( x + 1 ， y + j ) + b ( 1， j ) (3 : 1) 其中 : (x +i ，y + j) 为 定 义 在目 标 a 上 的 坐 标 ， (i， 力 为 定 义 在 结 构 模 板 b 上 的 坐 标 。 模板中的值均为零时，灰度膨胀滤波器退化为极大值滤波器. 灰度腐蚀是灰度膨胀的对偶运算， 常用于平滑图像中微小的高灰度值区域。可定 2l 硕 士 论 文 小鼠自发活动的图像识别研究 义为目 标a 的局部区域与结构化函数b 的差的极小值: a o b= m i n a ( x + i， y + j ) 一 b ( 1 ， j ) 。 1 2 ) 当 模 板中的值均为 零时， 灰度腐蚀 滤波器退化为 极小值滤 波器。 灰 度闭运算常 用于减 少以 低灰度 值为中 心的 微小区域 和由 椒盐噪 声引 起的 低灰 度区 域。定义为目 标a 与结 构化函 数b 进行灰度膨 胀后再 进行灰 度腐蚀。 c lo s e ( a ， b ) =( a b ) o b(3 ， 13 ) 灰度开是灰 度闭的 对偶运算， 常用于减少以 高灰 度值为中 心的 微小区域 和由 椒盐 噪声 引起的高 灰度区域。 定义为目 标a 与结构 化函 数b 进行灰 度腐蚀后再进 行灰 度膨 胀。 open( a ， b ) = ( a o b ) ob(3 .14 ) 在实际的图 像中，往 往不仅存 在微小的噪声 干扰，目 标上 还存在一 些干扰区域， 为了 方便对目 标的 形 状恢复和 识别 处理， 这些小 干扰区 域也应该 加以 滤除。 在这些 干 扰区 域中有些是高 亮度的， 也 有些 是低灰度的 噪声。 为了 滤 除这些区域， 可选用一组 逐渐 增加宽 度的 结构元 素交替进 行开、闭 滤波运算。 国 基 于以上 这几种形 态学的 算法， 得到 几种一般性的 边缘 检测算子。 若采用膨胀 运算， 则边缘检测算子为: 吼二a eb 一 a(3- 15) 若采用腐蚀运算，则边缘检测算子为: 吼= a 一 a o b(3. 1 。 若采用形态学梯度运算，则边缘检测算子为: 乓= a o b 一 a 哪(3. 17) 以 上 这三种 算子都对噪声比 较 敏感， 适用于 噪声比 较小的图 像。 根据 膨胀， 腐蚀， 开 启与闭 合这四 种运算 对噪 声 抑制的特点， 对以上 三种基本 形态学 边缘检 测算子进行改 进，得到抗噪型的边缘检测算子如下: 抗 噪 膨 胀 型 : 几 二 a o b 一 c 勿 se ( a ， b )(3. 1 5 ) 抗 噪 腐 蚀 型 : 乓 “ 你曰 2 ( a ， b ) 一 a o b 抗 噪 膨 胀 腐 蚀 型: 几 = 你己 n( a ， b ) eb 一 c le s e( a ， b ) 0 召 (3. 1 9 ) ( 3 20 ) 硕士论文 小鼠自发活动的图像识别研究 3 . 1 . 3 . 2二 值图 像形态学运算 对于二 值图 像而言， 由于图 像简单， 腐蚀运 算可化简为: 将结构元素 b 在图 像上 平移， 每平移到一个点， 如果 b 上的 所有点 都在目 标 a 的 范围内 ， 则该点判定为目 标点， 否则将该点判定为背景点: a o b = a ! b a c=a 。 .2 1 ) 式中ba表示 将结构元素平移到a 点。 同样， 二值图 像的膨胀运算为 : 将结 构元素 b 的 在图像上平 移， 每平移到一 个点， 如果b 上有一 个点 落在目 标a 的范围内 ， 则该点 判定为目 标点， 否 则将该点判定为背 景 点: 注 。 刀 = a l 刀 a 个 注 。 .2 2 ) 式 中 个 表 示 击 中 . 击 中 为 形 态 学 基 本 概 念 ， 设 有 两 幅 图 像 b ， x . 若 存 在 这 样 一 个 点 ， 它即 是b 的元素，又是 x 的 元素， 则称b 击中 x ， 记作 b t x 。 有了 膨胀腐蚀的 算法， 开闭 运算就 很容易得到 了。 二值图 像的 开运算能够去除 孤 立的 小点，毛 刺和小 桥 ( 即连通 两块区 域的小点) ;闭 运算能够填 平小湖 ( 即小孔)， 弥 合小裂缝。 要注意的是， 如果结 构元素是非 对称的， 进行开闭 运算时要用它的 对称 集 ( 将结构元素中所有点的坐标取反) 膨胀，否则， 运算的结果和原图相比要发生平 移。 3 . 1 . 4 分水岭算法 用于图像处理的 分水 岭算法是一 种基于 数学 形 态学的图 像分 割方法。 它根 据图 像 灰度信息将图像划分为互 不重叠的区 域， 能准确确 定物体 边缘， 一直是图 像分割的 主 要方法之一。 3 . 1 . 4 . 1算法原理阴阁侧 分 水岭变换的思想来 源于地形学， 如图3 . 4 所示， 它将图 像看 作是地形学上被 水 覆盖的自 然地貌， 图 像中 的 每一象素的 灰度值表示 该点的 海拔高 度， 其每一个局 部极 小 值伽 i ni口 a ) 及其影响区 域称为集水 盆 (cat c 恤e n t b asi n)，而集 水盆的 边界则是 分 水岭( 而t ers h ed) 。 通常 描述分水岭 变换有如 下2 种方法: 一种是 “ 雨滴法” ，即当 一 滴雨水分 别从地形表面的 不同 位置开 始下滑， 其最终将 流向 不同的 局部海拔高度最 低 的区域( 极 小区域) ， 那些汇聚到同 一个极 小区域的雨 滴轨 迹就形成一个连 通区 域 ( 集 水盆) ; 另一 种方法是模拟“ 溢 流” 的 过 程， 即 首先在各 极小区 域的 表面打一个小 孔， 2 3 硕 士论 文小鼠自发活动的图像识别研究 同时让 泉水从小 孔中 涌出， 并 慢慢淹没极 小区域 周围 的区 域， 那 么各极小区域 波及的 范围， 即 是相 应的 集水盆。 无 论是哪种方 法， 不同区 域的 水流相遇时的 界限， 就是期 望得 到的 分水 岭。 应 用于图 像分割中 ， 分水 岭变换就是 指将原图 像转换为一 个标记图 像， 其中 所有属于同一 集水 盆的点 均被 赋予同 一个标记， 并用 一个特殊的 标记来标识 分水岭上的点。 c d lch 口 i e n 蜜 合 口 j i 刀 压 图34分水岭算法模型 3 . 1 . 4 . 2算 法的 数学模型知 根 据 上 述 分 水 岭 变 换 的 原 理， 我 们 令喊， 峡 ， ，从 表 示 待 分 割 图 像 的 极 小 区 域， c( 从) 表示 与 极 小 区 域 麟相 关的 流 域， 耐 n 和 ma x 分 别 表 示 梯 度 的 极 大 值 和 极 小 值。 假设溢流 过程都是以单灰 值增加的 ，n 表示 溢流的增加数值( 即 在第n 步时溢 流的 深度 ) ， tl n表示满 足f ( x) n 的所有 点x 的 集合， f ( x)为 梯度图 像信号。 对于一 个给定流域， 在第。 步 将会出 现不同 程度的 溢流( 也可能 不出 现) 。 假设 在第n 步时极 小 区 域鱿发 生 溢 流 ， 令只 ( 从) 为 与 极 小 区 域城相 关 流 域 的 一 部 分 ， 即 在 溢 流 深 度n 时 ， 在 流 域 c( m :) 中 形 成 的 水 平 面 构 成 的 区 域 ， 可 表 示 为 : cn ( m .) = c ( 鱿) 门 tl n l(3 . 2 3 ) 如 果 极 小 区 域城的 灰 值 为 n ， 则 在 第 。 十 1 步 时 ， 流 域 的 溢 流 部 分 与 极 小 区 域 完 全 相 同 ， 即 有q +l( 鱿) 二 城。 令cl n 表 示 第。 步 流 域 中 溢 流 部 分 的 并 ， 则c lm a x 十 11 为 所有 流域的 并。 算法初始时 取c 【 max + 1 】 = t 【 m in 十 1 。 溢 流的 定 义 是 递归 的 。 假 设 c n- 1 已 经 建 立 ，由 式(3 . 23 ) 可 知 ， c n 1 为t n的 一 个 子 集， 又 因 为 c ln 一 11 是 c n的 子 集 ， 故 伽 一 1 是 tl n 的 子 集。 如 果刀 是tl n 的 连通成 分， 将 有3 种可能: 1 )d 门 c n 一 1 为空; 2 )d 门 c n 一 1 为非空， 含有c n 一 1 一个 连通 成分; 3) d n q n 一 月 为 非空， 含有c n 一 1 多个 连通成 分。 当 增长的 溢流达到 一个新的 极小区 域时， 第一 种情况 将会发生。 对 于第二种可能， d 解 硕 士 论 文小鼠自发活动的图像识别研究 将 位 于 某 个极 小 区 域 流 域 之内 。 第 三 种 情 况 ，d 必 定 含 有 一 些 组 成 c 【n 一 1 的 部 分 流 域q 、 ( 城) ， 因 此 ， 在d内 必 须 建 一 个 堤 坝 ， 以 防 止 溢 流 在单 独 的 流 域中 溢出 。 3 . 1 . 4 . 3 算法实 现川 vince nt和s oine 的分 水岭算法被认为 是最快的分 水岭算法 。 这个算法的主 要过 程如下: 1)将图像灰度值从小到大进行排序，得到索引图像。 2)找 到梯度图 像中的局 部极小值，给它们 分配不同的 标记。 3)从 梯度图 像的最小 值到 最大值一级一级 处理。 在每 一个灰度级上， 具有已 标记 邻域 像素 最先被加入先 入先出 f i fo队列中。 按照 先入先出原则 从f i fo队 列取像素， 取 出的 像素标定值由 它已 标定 邻域值决定( 如 果已 标定 邻域标定值不同 ，则是分水 线上 点，否 则标定值和已 标定 邻域值一致) 。处 理完f 工 fo队 列中具有已 标定邻域像素 后， 给没有已标定邻域像素分配一个新标记。 4)标定完所有像素后，分水线被标记出来. 分 水岭变换用于灰值图 像时， 由于 梯度包含了图 像的 边缘信息， 将分水岭变 换应 用于待 分割图 像的形态学 梯度， 可得到一 种非 常有效的 灰值分 割方法。 3 . 1 . 5 区域生长 对于图 像分割而言，可以 通过阂 值法将图像由 大到小 进行分割，也可以由 小到 大 地进行区域生长。 区域 生长法是一 种已 受到人工智能 领域中的 计算机视觉界 十分 关 注的图 像分割方法。 139 1 它以 区域为处理 对象， 考虑区 域内 部 和区 域