作为细胞计数,细胞追踪和细胞形态分析的基础,细胞自动化分割被广泛应用于医学、生物学和环境监测等领域。时至今日,各种细胞图像分割算法不断涌现,成功应用于不同类型的细胞分割任务中。然而,由于不同细胞形态差异大,特征各不相同,因此需要针对数据集设计不同场景下的细胞分割算法。杆菌细胞由于内部遗传物质导致显微镜细胞图像呈现出灰度不均匀性,此外,这类细胞分布密集且容易出现粘连现象。水平集方法(即几何主动轮廓模型)利用定义在高维空间中水平集函数的零水平集表示平面曲线,可以灵活地处理曲线的拓扑变换;设计关于水平集函数的能量泛函,将图像分割转化为能量泛函的最小化问题,最终达到图像分割目的。该方法能够获取平滑的目标轮廓,同时具有灵活的拓扑处理能力,在细胞分割领域得到广泛关注和研究。水平集方法利用待分割图像的区域和边缘信息为演化曲线提供驱动力,可更好地处理细胞边缘模糊、图像匀质性差的问题。研究生物体中杆菌细胞的比例对条件致病菌的控制具有十分重要的意义。但是受采样条件的限制,显微镜杆菌细胞图像通常噪声污染严重,细胞分布密集,造成水平集方法分割效果不理想,容易产生欠分割甚至无法分割的现象。针对以上问题,结合显微镜下杆菌细胞数据集的特点,本文从水平集函数演化的停止条件和能量泛函设计两个方面着手,主要工作总结如下:(1)提出一种基于多尺度边缘的水平集方法。针对水平集方法在细胞分布密集图像中的欠分割问题,提出一种基于多尺度边缘停止函数的水平集方法。首先,利用原始图像的LBP特征获取细胞种子点,并在种子点位置建立初始轮廓;其次,设计一种多尺度边缘停止函数,更好地描述细胞边缘。最后,曲线以扩张方式演化,在基于多尺度边缘的停止函数驱动下停留在细胞边缘处。该方法借助种子点实现曲线的自动初始化,凭借多尺度边缘停止函数提高细胞边缘对演化曲线的驱动力,可以有效避免密集型细胞图像的欠分割问题。(2)提出一种噪声鲁棒的多任务水平集方法。针对细胞图像噪声干扰严重的问题,受全变分去噪模型的启发,设计了一种新的能量泛函,通过优化该能量泛函可同时实现细胞图像的去噪和分割。该方法通过能量泛函的形式将图像去噪和分割耦合在一起,去噪后图像用于分割任务,分割结果反过来又作用于图像去噪。通过这种方式,可以在图像去噪的同时实现细胞分割。该方法有效提高了细胞分割方法对噪声的鲁棒性,同时使得去噪结果更加适合分割。综上,本文针对基于水平集的方法在细胞分割中存在的问题,通过设计新的曲线演化停止函数和能量泛函改进了现有的水平集方法,为细胞图像的分割提供了新思路和方法,促进了水平集在细胞图像分割领域的研究应用。