本文的研究旨在根据自动视觉检测(Automated Vision Inspection)的基本原理研制一套肿瘤细胞辅助诊断系统。其基本原理是采用彩色CCD摄像机获取细胞涂片的图像,运用计算机图像处理和模式识别技术对细胞进行分类,从而实现对细胞涂片的辅助阅片和诊断。围绕细胞图像的预处理、彩色图像分割、细胞的分类和识别等问题,本文进行了大量研究,取得了较好的前期研究成果。在显微细胞图像的预处理方面,在对图像的质量深入研究的基础上,本文对频域和空域的线性及非线性滤波算法进行了分析和比较,最终采用了快速中值滤波去除图像中的噪声。彩色细胞图像的分割是细胞分类的关键因素,其分割算法是本文的研究重点,包括细胞核的分割与细胞浆的分割两个部分。论文中,对细胞核、细胞浆和背景色彩的空间分布进行了统计和对比,结合模式识别中的相关理论,提出了使用聚类算法中的最小距离法完成彩色图像中细胞核的分割方法。针对细胞浆的特点,在I1I2I3色彩空间中采用最大类间方差的方法实现了细胞浆的分割;对于细胞浆粘连现象,基于数学形态学的分割算法,使用流域法进行分割。在细胞轮廓提取方面,提出了一种基于特征编码和回溯机制的轮廓跟踪算法,能够正确跟踪具有短枝干扰的细胞边界,增强了细胞提取的可靠性。最后,对细胞的分类方法进行了深入的研究,提出了一种基于判别树的层次分类方法,采用细胞的形态学、色度学和纹理等不同方法获取的细胞特征参数,采取“由粗到精、逐步筛选”的策略逐步剔除正常细胞,并根据可疑程度对疑似肿瘤细胞排序,辅助病理专家的诊断工作。作者所研制的“肿瘤细胞辅助诊断系统”中,细胞核和细胞浆的分割成功率分别为95.7%和93.8%,对疑似肿瘤细胞的排序结果基本正确。