纳米分辨率显微视频的像素级数据挖掘研究

To study the dynamic characteristics of nanosubstances using video is an emerging research approach, and video data mining that can discover the dynamics pattern of nanosubstances with computers has great value for science and applications. According to the characteristics of nanoscopy videos, this project will focus on two essential issues of pixel-level video data mining. The main contents and major creative ideas of the project include: 1) by comparing the mechanism of atomic energy level transition, an intensity-level sampling method (ISM) in which the intensity levels are taken as sampling units is proposed, and its physical model will be established and the operating mechanism of the model will be analyzed; 2) by combining the ISM with the total population sampling method introduced by big data statistics, an intensity-transition statistical method is proposed, which could extract the hidden information of videos by calculating the probability of pixel quantum transition between intensity levels. Research on this project will lead to a range of promising benefits, such as offering a new prospective of complex video data observation and understanding, revealing the inherent rules that video data changes with scene variations in the field of view, and establishing a new pixel-level data mining method suitable for the high-definition and high-content nanoscopy videos, that can provide a new way of thinking for discover and study the motion patterns of microscopic substances, and effectively promote the development of intelligent information in the field of super-resolution microscopy imaging.

通过视频研究纳米物质的动态特性是一种新兴的科学研究方法，而研究利用计算机发现纳米物质动力学模式的视频数据挖掘方法具有重要科学意义和应用前景。本项目针对纳米分辨率显微视频的内容特征和数据特点，围绕视频像素级数据挖掘的两个关键基础问题展开研究，主要研究内容及创新点如下：1）从对原子能级跃迁机理的类比研究入手，提出以视频亮度等级为像素值采样单元的亮度等级采样法，建立其物理模型并分析其运行机制；2）将亮度等级采样法与“样本即总体”的大数据统计方法相结合，提出像素点亮度跃迁统计法，对所有像素点样本在各个亮度等级间的量子跃迁概率进行统计，实现对视频隐含信息的有效提取。本项目的研究可望为观察和理解复杂视频数据提供一种新视角，揭示视频数据跟随视场场景变化的内在规律，建立一种适用于高清高内涵显微视频的像素级数据挖掘新方法，为发现研究微观物质运动模式提供新思路，有效推动超高分辨率显微成像领域的信息智能化发展。

人类科学研究迈入纳米时代，众多学科领域正亟需借助超高分辨率显微成像技术突破现有技术瓶颈，开辟全新的科学研究路径。然而，对纳米分辨率显微视频的数据挖掘研究在国内外仍然是一个崭新且富有挑战的科学研究领域。. 项目针对超高分辨率显微视频，探索研究了适用于纳米分辨率显微视频的像素级数据挖掘方法。首先，对超高分辨率显微视频的物理特性和数据特性进行了科学分析与比较性研究。其次，从对原子能级跃迁机理的类比研究入手，融入大数据统计思想，对超高分辨率视频像素级数据挖掘的两个核心关键问题（采样方法与样本统计方法）开展了系统深入的理论研究，具体工作如下：. （1）受物理学中原子内电子能级跃迁模型启发，提出了亮度等级采样法，研究了亮度等级采样法的物理模型与运行机理。以数字视频光电成像原理为基础，以原子内部的电子能级跃迁模型为参照，建立了亮度等级采样法的可视化物理模型，分析阐释了该模型的运行机理；从视觉科学的角度，探寻了亮度等级采样法物理模型和运行机理与人类视觉感知及认知机制的内在关联性；从理论上研究了亮度等级采样法的各项理论特性，进而研究了亮度等级采样法与传统采样方法融合的可能性与具体策略。. （2）在亮度等级采样法的基础上融入大数据统计思想，提出了像素点亮度跃迁统计法，研究了像素点亮度跃迁统计法的理论模型。从理论上研究了像素点亮度跃迁统计法所得统计结果的物理意义，研究归纳了视频数据随视频场景变化的内在规律。在上述理论研究的基础上开展了应用研究，提出了面向超高分辨率视频的背景建模方法、场景变化检测方法，以及物体动态性测量方法。. 本项目的研究为观察和理解复杂视频数据提供了一种新视角，揭示了视频数据跟随视场内容变化的内在规律，建立了适用于高分辨率、高内涵显微视频的像素级数据挖掘新方法，为发现并研究微观物质的运动模式提供了新思路和高效可行的新途径，有效推动了超高分辨率显微成像领域的信息智能化发展，具有重要的科学价值和战略意义。