荧光时间序列成像中的粒子检测与跟踪：一种反巧合方法

本文提出了一种用于荧光时间序列成像中粒子检测与跟踪的概率方法。在存在高噪声和低质量数据的情况下，粒子和轨迹可以通过反巧合模型来表征，该模型估计在随机数据中观察到感兴趣结构的概率。这种方法最初被引入人类视觉感知建模，随后成功应用于许多图像处理任务，由此产生的算法既不需要预先的学习阶段，也不需要繁琐的参数调整，并且对噪声非常鲁棒。与一个公认基线的对比评估表明，所提出的方法优于当前最优水平。