医学细胞图像分割是医学图像分析和识别的关键步骤。医学细胞图像分割能够快速准确的找到细胞中的细胞核以及微核细胞等,对后续细胞图像处理如特征提取、目标检测和信息分析等带来便利。本文以人类口腔黏膜细胞图像为研究对象,用基于中国餐厅模型的马尔科夫随机场细胞图像自动分割算法和基于胶囊网络的深度网络医学细胞图像分割算法分割细胞,解决了马尔科夫随机场细胞图像分割的聚类数不确定、卷积神经网络(CNN)的池化使得丢失部分细胞特征导致的精度下降和分割效率低导致的分割效果不理想等问题,为后期图像分析做出准确判别找到细胞中的正常细胞以及病变后的细胞,发现病理根源,对症下药。首先,阐述了医学细胞图像分割的研究背景、意义和国内外研究现状,并对本文研究内容、目标和结构做出概述。其次,对图像分割方法做出简单介绍。对医学细胞图像的预处理进行算法描述,包括彩色图像灰度化以及图像去噪处理。采用融合滤波去噪方法进行图像去噪,解决了医学细胞图像中产生的噪声。最后,本文研究了马尔科夫随机场医学细胞图像分割算法和阐述了卷积神经网络用于医学细胞图像分割算法。针对其产生的人为主观因素影响和人工初始参数设定引起的对医学细胞图像分割不精确的问题,提出基于中国餐厅模型的马尔科夫随机场医学细胞图像自动分割算法,该方法可以自动获取分割区域,从而得到更光滑、更精准的医学细胞图像。通过与其他分割方法对比,结果表明基于中国餐厅模型的马尔科夫随机场医学细胞图像自动分割算法准确率更高。针对卷积神经网络的池化导致部分细胞特征丢失引起的精度下降和效率低引起的分割效果不理想等问题,提出基于胶囊网络的深度网络医学细胞图像分割算法。该方法可以利用有限、少量的训练数据提取丰富的特征。通过实验对比,结果发现:基于胶囊网络的深度网络医学细胞图像分割与全卷积网络(FCN)分割算法相比不需要大量的样本及训练次数,且训练时间较FCN提高了2.3倍。