癌细胞识别是近来数字图像处理和模式识别领域里的一个研究热点,细胞的特征提取以及基于特征的细胞分类是癌细胞识别的关键环节之一,基于统计学习理论的支持向量机是在小样本学习情况下模式识别的强有利工具,本文利用支持向量机的卓越分类性能,对癌细胞彩色图像进行分割,从而提取出单细胞和多细胞的特征,在此基础上利用支持向量机对细胞进行了分类研究。为计算与分析癌细胞彩色图像的各特征,首先要对图像进行分割,由于处理的图像为彩色图像,直接对彩色图像处理可简化处理过程,提高特征提取的效率,本文使用多分类支持向量机对单细胞彩色图像进行三域分割,用二分类支持向量机对细胞团彩色图像进行二域分割,经过对实验结果的分析与评价,获得了最佳支持向量机分割模型。根据病变细胞的特点,单个正常间皮细胞和腺癌细胞在色彩和形状上有所不同,本文分别从色彩和形状上给出了单个细胞的区分特征,并给出了具体的算法提取出相应的单细胞特征。基于以上提取的特征,利用支持向量机的分类功能对单细胞进行分类,从而有效的解决了单细胞的识别问题。一般癌变可疑细胞呈团状排列时有明显的形状特点,例如呈现列兵状、脊柱状或者梅花状等,可将对细胞排列形状的研究转化为对细胞核排列形状的研究,用图像矩来描述细胞核的排列,从而提取出排列特征,利用多分类支持向量机对细胞团形状进行分类,从而达到对可疑细胞团的识别。