张瑞华

(江汉大学 物理与信息工程学院，武汉 430000)

阈值法[1-5]由于其计算量小、简单有效而成为图像分割中使用较广泛的一种方法.何国生等[1]通过分析细胞灰度图像的分布特性，应用新的自适应鉴别特征方法来分割干细胞，该方法对椭圆类含噪细胞图像的效果较好，但对其他形状细胞的分割结果不太理想.夏欣等[6]利用最大类间方差法进行迭代处理，自适应地搜寻最佳分割阈值，该算法对带噪、对比度低的粘连细胞图像的分割效果一般.杨辉华等[7]提出一种基于水平集和凹点区域检测的细胞分割算法，与传统水平集相比，该方法在准确度上有所提高，但在实时性上有待加强.

传统水平集方法为C-V模型[6]和Shi快速水平集法[7].前者由于不采用目标边界的梯度算子，而是基于区域灰度信息，因而对弱噪声图像的分割效果较好，但由于计算量大，在实时性上难以保证[8]；后者为采用双链表方式的窄带模型，该算法实现简单，但速度函数中的阈值无法自适应调整[9].本文将Bayes分类器和KNN分类器引入到水平集外部速度函数的设计中，两种分类器轮流作用，无需设定阈值便能产生水平集驱动力.同时，算法将Shi模型的双链表和C-V模型的全局分割相结合，以加快曲线演化.

本文方法分为2个步骤，首先通过优化水平集算法对细胞图像进行边缘检测，然后将目标与背景的类内平均距离引入到OTSU阈值法的阈值选择函数中，对细胞边缘图像进行分割.试验结……