1、細(xì)胞圖像背景復(fù)雜，形態(tài)不規(guī)則，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)細(xì)胞圖像進(jìn)行處理有一定的難度。因此，在醫(yī)療診斷應(yīng)用中，對(duì)細(xì)胞圖像分割算法在分割精度和速度方面都提出了較高的要求。本文針對(duì)現(xiàn)有細(xì)胞圖像分割算法對(duì)噪聲敏感，對(duì)邊界分割不精確的問(wèn)題，提出了改進(jìn)的細(xì)胞圖像分割算法。
　　當(dāng)前，在細(xì)胞圖像分割領(lǐng)域，基于能量最小化的圖割算法和基于超像素的分割方法是比較熱門(mén)的兩類(lèi)方法。在基于能量最小化的圖割算法方面，傳統(tǒng)的Grabcut算法大幅度降低了用戶的交互

2、量，但仍然需要人工選定矩形框，自動(dòng)化程度低，很難滿足實(shí)際應(yīng)用需求。而在超像素分割算法方面，基于SLIC的超像素方法在邊界保持度和超像素形狀方面有較好的評(píng)價(jià)，但在細(xì)胞圖像邊緣較為模糊的區(qū)域，在迭代時(shí)會(huì)出現(xiàn)超像素分類(lèi)錯(cuò)誤的情況，生成錯(cuò)誤的超像素，影響分割結(jié)果。本文針對(duì)Grabcut算法和基于SLIC的超像素分割算法分別進(jìn)行了改進(jìn)，使其在保證分割精度的同時(shí)又具有較為理想的運(yùn)算速度。本文主要研究的內(nèi)容和創(chuàng)新點(diǎn)包括以下方面:
　　一、本文提

3、出了一種結(jié)合HFT的Grabcut細(xì)胞圖像分割算法。首先采用視覺(jué)顯著性模型HFT計(jì)算細(xì)胞圖像的顯著圖，然后進(jìn)行形態(tài)學(xué)閉運(yùn)算操作得到細(xì)胞圖像的初始輪廓圖。用初始輪廓構(gòu)造出矩形框，將矩形框與分形小波自適應(yīng)去噪算法得到的細(xì)胞圖像融合，完成Grabcut算法的初始化。最后，把該矩形框傳遞給Grabcut算法，實(shí)時(shí)精確地實(shí)現(xiàn)細(xì)胞圖像的分割。實(shí)驗(yàn)結(jié)果表明本文算法在提高算法自動(dòng)化程度的同時(shí)，又具有較高的分割精度和較快的分割速度，可以滿足細(xì)胞圖像分析的

4、要求。
　　二、本文提出了一種基于改進(jìn)的SLIC區(qū)域合并的宮頸細(xì)胞圖像分割方法。首先對(duì)宮頸細(xì)胞圖像進(jìn)行均值漂移去噪處理消除細(xì)微噪聲點(diǎn)，然后進(jìn)行二維Otsu自適應(yīng)閾值處理得到初始輪廓，應(yīng)用SLIC算法得到超像素區(qū)域，并融合到原圖中完成初始分割。最后，結(jié)合細(xì)胞圖像的灰度信息和梯度信息在初始分割圖中完成自動(dòng)標(biāo)記，利用最大相似準(zhǔn)則進(jìn)行合并。不需要預(yù)先設(shè)定分割閾值，沒(méi)有被標(biāo)記的背景區(qū)域?qū)⒊晒喜⒌綐?biāo)記的背景區(qū)域，同時(shí)，沒(méi)有被標(biāo)記的目標(biāo)區(qū)域會(huì)