随着细胞病理研究中相关设备及关键技术的不断进步以及计算机科学技术的发展,细胞图像处理和分析技术在临床诊断和治疗中正发挥着更加重要的作用。而图像分割作为整个图像处理和分析流程中的基础,其结果的好坏直接影响后续处理环节的效果和整体系统表现,所以该环节一直是细胞图像应用的关键。　　 主动轮廓模型及其水平集计算方法由于在图像分割中优秀的表现,一直受到人们的广泛关注,其研究内容始终是当前医学图像分割领域的研究热点。该分割方法具有的优点包括可以使得分割结果形成达到次像素水平的封闭曲线,易于在能量最小化框架中实现以及各种形式的先验信息易于集成到该框架中等等。本文根据细胞图像的具体特点,从实际应用出发,构建出各种适合细胞图像分割的区域主动轮廓模型。这些着眼于不同的应用场景而构造出的适合特定场合的图像能量函数,充分利用了图像的各种结构信息及边缘梯度等信息来对目标图像进行分割,得到了合理的分割结果。论文的主要工作和创新点包括:　　 1.根据一般细胞图像的特点,结合水平集函数的演化过程,设计出只使用　　 一个水平集函数就可以分割出细胞质,细胞核和背景的能量函数,并从该能量函数推导水平集函数演变过程,从而实现细胞图像的分割;　　 2.对于边界灰度和背景差别不大的医学图像,综合利用该图像的灰度信息和梯度信息,设计适合分割该类图像的能量函数,从而推导出相应的多水平集函数的演化方程,实现图像分割的目标;　　 3.将双边滤波引入到细胞图像分割模型中,由于双边滤波对图像既能起到平滑的效果,又能保留细胞各部分间的边界细节信息,所以使得细胞分割结果更加准确。