摘要：针对荧光微球图像分割存在粘连及有限标记样本分类困难等问题，提出了一种基于改进分水岭及半监督最小误差重构分类器（SSMREC）的荧光微球图像分割及分类方法。采用改进分水岭方法对荧光微球图像进行分割，有效分离粘连，得到独立的荧光微球对象；对微球对象的色调（H）、饱和度（S）、明度（V）即HSV颜色空间进行非均匀量化，去除冗余信息，提取鉴别特征；采用半监督误差重构分类器实现荧光微球分类。将本文方法与线性鉴别分析分类器（LDA）、随机森林分类（RFC）、稀疏表示分类器（SRC）、K近邻分类器（KNN）、支持向量机（SVM）分类方法进行比较。实验结果显示，针对每类样本随机选取2，4，6，8个有类别标记的样本时，本文方法的总体分类精度比其他算法高3．5％～14．3％，该算法在类别标记样本量较少的情况下，能够有效提高分类精度。

关键词：生物光学 半监督分类 误差重构 分水岭 特征提取 

单位：重庆大学光电技术及系统教育部重点实验室; 重庆400044