宫颈癌是全球范围内发病率仅次于乳腺癌和结直肠癌的第3大女性恶性肿瘤,也是最常见的女性生殖道恶性肿瘤。现有诊断宫颈癌的医学筛查方法需要大量细胞病理专家参与,耗时耗力,不利于对宫颈癌的批量筛查。随着医学图像处理技术的进步,利用先进的图像处理技术结合宫颈细胞医学知识以及细胞病理专家的诊断经验,实现对宫颈癌的早期检测,能有效降低宫颈癌的病发率和死亡率,在宫颈癌临床诊断方面有着重要的应用价值。宫颈细胞涂片在制作时易受到一定程度的污染,导致获得的宫颈细胞图片存在细胞模糊,染色不均匀,弱对比度等问题。实现对受污染宫颈细胞图片的高精度分割,并通过提取相应的特征参数完成对宫颈细胞的识别是本文的主要研究内容。为实现宫颈细胞的高精度分割,本文在主动轮廓模型和梯度矢量流的基础上,改进梯度矢量流模型,并以此作为宫颈细胞图像分割算法。改进后的梯度矢量流模型一方面使得矢量场在宫颈细胞的灰度一致区域保持各向同性,另一方面能够保证宫颈细胞或者细胞核边界处矢量场沿着平行于宫颈细胞或者细胞核边界传播,这些性质有利于降低初始敏感性以及凹陷区域收敛。由于宫颈细胞病变主要体现在宫颈细胞形态的变化,这使得改进后的梯度矢量流模型更适合宫颈细胞的高精度分割。本文在精确分割出宫颈细胞和细胞核的基础上,结合细胞病理专家的诊断经验,提取出适合于宫颈细胞识别的形态特征参数和色度特征参数,并根据相应特征参数的一维分散程度逐一分析各个特征参数对宫颈细胞识别的作用。同时,从分析过的特征参数中任意选取两个特征参数做二维空间分散度分析,进而选取适合宫颈细胞识别的二维特征向量。在选取的二维特征参数基础上,添加不相关的特征参数组成训练集,选用支持向量机作为宫颈细胞分类器,根据所得到的识别结果反馈调整相应的特征参数和训练集以提高宫颈细胞识别率。本文着重研究了宫颈细胞分割,同时对特征参数提取以及宫颈细胞识别做了系统性描述和识别结果分析。通过实验可知,本文所改进的梯度矢量流模型可以高精度分割宫颈细胞和细胞核,并依据所分割的结果能够达到宫颈细胞识别的目的。