宫颈癌是一种发病率极高的恶性肿瘤,宫颈细胞的定量分析与识别对宫颈癌及癌前病变的筛查和诊断具有重要的实用价值。结合宫颈细胞病理学基础知识,运用图像分析技术和模式识别技术,研究了宫颈细胞图像的分割方法、特征参数计算与选择以及宫颈细胞的分类与识别。主要内容有以下方面:在宫颈癌细胞图像分割技术方面,本文以宫颈细胞巴氏染色图像为例,根据图像的特点提出两种分割方法。第一种是基于OTSU和改进CV模型的分割方案。该方案中,针对OTSU算法对宫颈细胞图像分割精度不高以及CV模型对初始条件敏感以及演化效率低等问题,采用两次OTSU阈值分割对图像进行粗分割,分别将分割结果区域和轮廓作为CV模型的分割区域及初始轮廓,降低了 CV模型的场景复杂度;利用结合全局信息及局部信息的边缘函数代替CV模型中的Dirac项,使分割算法更好的适应宫颈细胞图像;第二种是基于双层分水岭的分割方案。该方案中,为兼顾不同颜色特点的细胞核,对图像分别进行两次不同参数的分水岭分割,最终将两次的分割结果融合到一幅图像上,从而实现细胞核的分割。在宫颈癌细胞图像识别技术方面,首先对获取的宫颈癌细胞图像进行灰度转换,对样本图像中的细胞特征进行分析,提取有效的形态学特征参数进行测量。采用添加动向量的BP神经网络对细胞作诊断进行分类识别。从识别结果来看,效果比较理想。本文的算法都在Matlab平台上进行了验证,均得到了令人满意的结果,证明了算法的可行性。