近年来宫颈癌高发,已经成为威胁女性生命的社会问题。目前有效的宫颈癌诊断方法是宫颈涂片病理检查。该方法需要经验丰富的病理医生通过镜下观察发现病变细胞后做出诊断。这不仅给医生带来了沉重的负担,而且诊断准确性容易受到病理医生主观因素或视觉疲劳的影响。近年来发展起来的自动阅片技术采用图像处理方法,在细胞核识别的基础上实现对细胞核DNA含量的准确测量,能够为医生诊断提供辅助。图像分割作为自动阅片系统关键直接影响系统性能。然而,显微镜下细胞核图片存在光照不均、背景阴影等情况。并且不可避免地存在血细胞、淋巴细胞、垃圾杂质、成团细胞、重叠细胞等。这些问题严重降低了分割算法的性能。为解决上述问题,本文首先提出了复杂背景下的宫颈细胞核分割方法,有效地消除了复杂的背景情况对细胞分割的影响。然后提出了基于目标识别的分割策略,分割细胞图像中存在的重叠细胞。最后针对重叠细胞分割后出现的重叠区域灰度异常和纹理异常等问题,提出了一种基于高斯混合-通用背景模型的重叠区域像素重构方法。本文工作包括以下几个方面:1.提出了复杂背景下的宫颈细胞核分割方法。该方法首先利用参数自适应的局部阈值法来分割图像,并利用自适应的分割参数调节来处理图像中的复杂情况。即利用局部阈值窗口大小和分割后轮廓数量的函数关系来自动调节窗口大小。然后根据获得的二值图像确定分水岭算法的标记图像,最后利用分水岭算法分割整张图像。2.提出了基于目标识别的分割策略。该方法分为粗分割,识别和精细分割三个阶段。首先,粗分割采用复杂背景下的宫颈细胞核分割方法。然后,识别粗分割后的结果,并对不同的类别做不同的处理。最后,精细分割重叠细胞核,提出了基于类别先验知识确定重叠细胞核凹点个数的方法,用以指导重叠细胞的分割。3.提出了一种基于高斯混合-通用背景模型的重叠区域像素重构方法。该方法首先利用大量数据训练一个通用背景模型,再结合待重构细胞的正常灰度值和最大后验概率方法获得其高斯混合模型。然后根据该模型随机生成符合细胞DNA含量分布规律的灰度值填充到重叠区域。最后利用图像修复算法修复重叠部分的边缘像素点。实验表明,本文方法能适应复杂细胞图像环境,有效分割各种重叠细胞核。而且可以有效调整细胞的纹理、灰度、光密度等特征值,并减少DNA含量测量的误差,降低异常像素点对分类器识别率的影响。