细胞观测是人类探索微观世界的重要手段,也是临床医学和生物工程学的前沿领域。细胞的分割和检测对于疾病的诊断和预防有着重要的意义。本文针对现有的采样图像存在细胞数量多、胞核形状复杂、重叠现象严重等问题,基于主动轮廓模型,提出了适用于分割细胞核与细胞膜的混合轮廓模型;利用模型分割结果提出了分离粘连细胞和细胞形态参数计算的新方法;并引入仿射传播算法设计了分类器,实现了细胞的分类与检测。本文的主要工作和取得的成果如下:(1)在分析比较现有主动轮廓模型在细胞图像中应用的基础上,本文提出了一种采用局部和全局灰度信息作为模型驱动力的混合轮廓模型,模型以区域差别最大化为分割原则,确保了对局部差异的捕捉,能在有效地分割出细胞外边界的同时分割出细胞核。由于模型能捕捉细胞核内的区域和细节,对于研究胞核形态参数意义重大。(2)将分割结果结合数学形态学理论,提出了一种新的粘连细胞分离方法,方法最终可从原重叠图像中分离出一组单个细胞图像集。新算法得到的图像集能准确地计算出细胞的形态参数:周长、面积、最大高度、最大宽度、矩形度、圆形度、伸长度等,并能方便地计算传统方法难以计算的细胞核质比这一形态参数。(3)鉴于仿射传播算法对于处理大量无关参数类具有快速准确的优点,本文还设计了基于仿射传播算法的参数分类器,根据计算得到的形态参数成功实现了细胞的分类检测。仿真结果表明本文提出的基于混合轮廓模型能有效地实现细胞图像的分割和检测,为观测和分析细胞提供了有效的方法,能为临床细胞学提供强大的计算机辅助支持,为疾病的诊断和早期预防提供强有力的依据。