伴随着当今自动化、信息化与智能化的发展和经济的快速发展,人们越来越重视身体健康问题,而宫颈癌作为当今社会受到高度关注的妇科疾病,人们希望可以快速诊断与其相关所存在的问题,以便可以及时治疗。本文主要针对宫颈细胞涂片自动阅片系统的关键技术和技术中现有的难点问题,研究图像处理与模式识别的相关原理,相关研究内容主要包括宫颈细胞图像的语义描述,宫颈细胞图像的分割与图像的特征提取几个方面,对解决现有宫颈细胞自动阅片的关键技术具有重要意义。经显微镜采集的细胞图像由于需要采集、制片、染色等过程,导致图像比较复杂,本文首先重点对宫颈细胞图像分割方法进行了深入研究,然后对分割获取的单个宫颈细胞如何进行准确的特征提取进行分析研究,其具体相关研究内容描述如下:1、宫颈细胞图像中存在大量重叠细胞,即图像细胞与细胞有交叉部分,在宫颈细胞图像分割研究方面,就如何进行重叠细胞的准确分割并提取单个的细胞,经深入研究与分析,提出了一种高效的分层次分割算法。首先获取目标宫颈细胞图像,通过求解初始宫颈细胞图像的最佳分割阈值完成图像去背景分割处理,然后利用图割算法对初次分割后的图像再次分割处理来获取单个目标细胞。经过本文的处理后有效提高了图像的分割效率和准确率。2、在实现宫颈细胞图像单个细胞的准备分割后还需实现宫颈细胞核质分离,本文主要就如何提高宫颈细胞核质分离的准确率和分割效率,提出了一种基于Grab Cut算法结合Canny算子边缘检测的方法来分离宫颈细胞核与细胞质。根据目标宫颈细胞图像的灰度直方图求解确定Canny算子双阈值,进而获取宫颈细胞核和细胞质的轮廓;根据获取的轮廓利用改进的Grab Cut算法进行核质分离,并且针对Grab Cut算法在分割效率方面的不足也进行相应改进。3、在对宫颈细胞特征提取方面的研究,针对宫颈细胞的特点选取了合适的形状与纹理特征。同时经过对K-means算法基本原理的深入研究与分析,针对细胞核面积、细胞核质比和细胞核质RGB颜色均值特征描述子提出了一种K-means特征提取聚类算法,并且针对算法不足进行了改进;然后根据实验数据选取了合适的形状及其纹理特征,并且针对宫颈病变细胞的特性加入了一种适合宫颈细胞的颗粒大小的特征。实验证明本文所提取的特征具有较好的分类效果。