求推荐：基于分割掩码、考虑目标特征的细胞多目标追踪方法

工具推荐 #

• CellTracker：基于掩码的追踪算法，支持用细胞形状、纹理等特征完成目标匹配，对短时遮挡或掩码临时消失有鲁棒性，能处理细胞重叠场景，不依赖质心匹配，可精准区分形态有细微差异的细胞。
• TrackMate（ImageJ插件）：可灵活配置特征匹配模块，除质心外，能引入面积、周长、圆度等形状特征，以及亮度特征进行帧间目标关联；内置多种追踪策略，对掩码缺失的情况可通过帧间预测补全追踪链。
• DeepTrack 2.0：深度学习驱动的追踪框架，支持自定义提取形状、亮度等特征，针对细胞变形、遮挡场景做了优化，可直接接收分割掩码作为输入，适配生物细胞追踪需求。

相关论文 #

• 《MaskTrack: Segmentation-Aware Single Object Tracking with Mask Refinement》：提出掩码感知的追踪方案，通过持续优化掩码特征匹配逻辑，解决目标变形、遮挡问题，适配生物细胞这类形态动态变化的追踪场景。
• 《Cell Tracking with Shape Matching and Kalman Filtering for Time-Lapse Microscopy》：结合形状匹配与卡尔曼滤波，利用细胞形状特征完成帧间关联，对邻近细胞的区分度远高于质心追踪，同时能处理短时掩码消失的情况。
• 《Robust Cell Tracking in Time-Lapse Microscopy Using Graph-Based Matching with Shape and Appearance Features》：基于图匹配的追踪方法，融合形状、亮度等多特征构建匹配代价函数，在细胞重叠、掩码偶尔缺失的场景下表现稳定。

内容的提问来源于stack exchange，提问作者Crazed