1.一种基于蚁群系统的多细胞多参数的联合估计与精确跟踪系统，其特征在于，所述系统是对于每一帧原始灰度图像，定义相应的局部区域灰度方差来生成蚁群初始位置分布，在此基础上，构建两个平行工作且相互独立的信息素场，即位置场和轮廓场，分别在细胞位置估计模块和细胞轮廓估计模块构建有界蚁群决策系统，最终精确估计出细胞的位置、速度与轮廓等重要参数，从而实现对多细胞的精确跟踪；所述多细胞多参数的联合估计与跟踪，分为两块，分别为同一帧细胞内轮廓与细胞位置的关联、帧与帧细胞关联，这两种关联均采用近邻关联方法以实现多细胞位置与轮廓联合跟踪。

2.根据权利要求1所述的联合估计与精确跟踪系统，其特征在于，在同一帧内细胞轮廓与细胞位置关联，若细胞轮廓没有关联，则删除；在帧与帧细胞关联中，若当前帧估计的细胞及其轮廓没有被关联，则新细胞产生，若上一帧估计的细胞及其轮廓没有被关联，则该细胞离开图像跟踪区域。

3.根据权利要求1所述的联合估计与精确跟踪系统，其特征在于，所述细胞位置估计模块的蚁群初始分布是通过局部灰度方差技术和细胞动力学特性联合产生。

4.根据权利要求1所述的联合估计与精确跟踪系统，其特征在于，所述细胞轮廓估计模块的蚁群初始分布通过局部灰度方差技术来产生。

5.根据权利要求3或4所述的联合估计与精确跟踪系统，其特征在于，所述通过局部灰度方差技术产生初始蚁群的具体步骤为：（1）对于灰度图像任一像素(i,j)，强度I(i,j)已知，其局部区域(近邻8个像素)灰度方差定义为：其中N(i,j)表示像素(i,j)的近邻像素集合,I(N(i,j))表示集合N(i,j)的平均强度,|N(i,j)|表示集合N(i,j)个数；

（2）归一化：

（3）蚁群产生：针对图像中任一像素(i,j)，随机产生一随机数r，若 则将蚂蚁置放在该像素(i,j)上，否则，该像素(i,j)不分配任何蚂蚁；

通过上述3个步骤，可将一幅灰度图像上所有像素按概率分配蚂蚁所在位置，所生成的蚁群称为先验初始蚁群。

6.根据权利要求3所述的的联合估计与精确跟踪系统，其特征在于，所述通过细胞动力学特性产生初始蚁群的具体步骤为：（1）将上一帧t-1蚁群进行分类，即对任一蚂蚁，随机产生一随机数q，若q＜q0，则该蚂蚁分配至Ω1集合中，反之，分配在Ω2集合中；

（2）在Ω1集合中的蚂蚁，在下一帧的状态由假定的细胞动力学特性产生，即代表状态转移密度函数)；对于Ω2集合中的蚂蚁，在下一帧的状态由服从高斯分布的 产生，其中

F为状态转移矩阵,ξ是高斯随机变量，均值为1方差为σ2, 为似然密度函数， 为过程协方差， 表示矢量的第i个分量；

按上述两步骤，产生的初始蚁群称之为预测初始蚁群分布。

7.根据权利要求1所述的联合估计与精确跟踪系统，其特征在于，所述细胞位置估计模块是将蚁群初始分布模块(预测初始蚁群+先验初始蚁群)进行重新分布，即形成多个蚁群，对应的位置信息素场是多峰态的，每个蚁群估计一个细胞存在的位置，具体步骤如下：（1）初始化：图像上任一个像素(i,j)所在位置给定信息量 且初始的扩散输入（2）对 于 蚂 蚁 在 像 素(i,j) 所 在 位 置，按 概 率 选 择 下 一 像 素，即其 中 位 置 信 息 素 函数 α,β 为 控 制 参 数；似 然 函 数 定 义 为ρ,υ为控制参，utemp,i表示模板库第i

个细胞样本的直方图，u(i′,j′)表示像素(i′,j′)的直方图,n表示直方图u中分量数目,|TP|模板库中细胞样本个数。

（3）当每个蚂蚁完成m次决策后，需要对其决策的像素进行信息素更新其中c1,c0,τ1,T1为常数, 表示在

m次决策中η的最小值, 表示在m次决策中在x方向或y方向最大移动距离。.（4）当所有蚂蚁完成m次决策，更新位置信息素场的每个像素信息素水平（5）同时计算下一时刻位置信息素场的信息素扩散输入（6）对那些像素的信息素水平小于某阈值时，此像素在随后将不再考虑；

（7）继续上述步骤2-6，直至所需的迭代次数；

根据上述得到的位置信息素场和蚁群所在位置，来确定细胞位置与数据关联，首先将上述最后一次得到的蚁群进行快速聚类，并与上一帧的细胞进行最近邻法关联，最后，对于两两类中心距离小于某一阈值的，进行合并，重新计算类中心。

8.根据权利要求7所述的联合估计与精确跟踪系统，其特征在于，所述快速聚类方法如下：（1）在当前的位置信息素场中，找出信息素水平最高的那个像素，以及所对应的蚂蚁a(i,j)，其当前位置为(i,j)；

（2）将Zi＝(i,j)为聚类中心，将满足与该中心距离小于μ的蚂蚁归为此类；将和 同时满足的蚂蚁也归为此类；类的中心即为细胞位置；

（3）对于剩余的蚁群，执行步骤1－2，直至剩余蚂蚁为空。

9.根据权利要求1所述的联合估计与精确跟踪系统，其特征在于，所述细胞轮廓估计模块是利用先验初始蚁群分布，通过蚂蚁决策建模，所得到的轮廓信息素场是环状的，进而估计每个细胞的轮廓，具体步骤如下：（1）初始化：图像上任一个像素(i,j)所在位置给定信息量 且初始的扩散输入（2）对于蚂蚁在像素(i,j)所在位置，按概率选择下一像素，即和

其中λ,?,和γ为控

制参数，分别对应轮廓信息素 图像局部区域灰度方差 蚂蚁航向变化量;Ωv

0 0

是当前蚂蚁已经访问过的像素集合;q是随数， 为阈值，W(±0)＝1/3,W(±45)＝

0 0 0

1/3,W(±90)＝1/10,W(±135)＝1/16，W(±180)＝1/20。

（3）当每个蚂蚁完成m次决策后，需要对其决策的像素进行信息素更新其 中

Q,τ0,c0,T2, 为常数,std{·}表示集合的标准偏差, 表示的是在第m′次决策中所对应像素的局部区域灰度方差。

（4）当所有蚂蚁完成m次决策，更新轮廓信息素场的每个像素信息素水平（5）同时计算下一时刻位置信息素场的信息素扩散输入（6）继续上述步骤2-5，直至所需的迭代次数；

根据上述得到的轮廓信息素场，进行二值化、形态学和填充三步简单处理，即可得到所需细胞轮廓。

10.根据权利要求1所述基于蚁群系统的多细胞多参数的联合估计与精确跟踪系统在细胞跟踪中的应用。