基于梯度修正的改进分水岭模型在细胞分割中的应用*

肖月，李朋伟

(太原理工大学信息与计算机学院,晋中 030600)

1 引 言

细胞分割是细胞分析处理技术的重要环节之一，如何获取更加准确和完整的分割结果显得尤为重要。近年来，研究人员提出了许多有效的分割算法，关涛等[1]采用形态学滤波与自适应直方图均衡增强图像，然后在图像内容与直方图分布关系的基础上，利用经验因子加权Otsu寻找自适应阈值的宫颈细胞分割方法；夏海英等[2]提出了一种改进的简单线性迭代聚类(simple linear iterative clustering, SLIC)分割算法，利用SLIC算法得到超像素区域并与原图像融合后进行标记，再由最大相似准则合并区域获取宫颈细胞分割结果；林丽群等[3]利用形态学去噪与分数阶微分对图像进行预处理增强，采用分水岭算法与最小生成树算法结合的融合算法对粘连血细胞图像进行分割。然而，阈值分割只考虑图像的灰度信息，且对噪声敏感，容易造成分割结果不均匀；区域分割算法适应性低，单独使用效果差；图论分割算法复杂、计算量大，不易操作。因此，目前尚无一种通用的细胞分割算法能使细胞图像达到完美的分割效果。

Vincent和Soille在1991年首次提出了基于淹没的分水岭分割算法[4]，该算法结构简单、抗噪声能力强，并且可以得到连续封闭且位置准确的目标轮廓，适用于细胞图像的分割。但传统分水岭算法易受噪声影响出现过分割现象，因此，研究人员提出了许多改进的分水岭算法。朱逸婷[5]将标记的分水岭法与局部信息模糊C均值聚类算法(fuzzy local information c-means, FLICM)结合在一起，通过聚类算法进行区域合并来改善过分割现象。……