结核病是一种由结核杆菌引起的慢性传染病,及时地确诊与治疗对于结核病病情的控制与治愈起到关键作用。本文以结核病的计算机辅助诊断为应用背景,深入研究了光学显微结核杆菌图像的分割与识别方法,主要目的在于解决结核杆菌图像分割与识别相关研究中存在的若干关键问题。具体而言,本文的主要内容与研究成果可以概括如下:针对结核杆菌图像目标对比度低的问题,第二章对传统的直方图均衡化增强算法进行了改进,提出了一种基于加权阈值直方图均衡化(WTHE)的彩色图像增强算法,并将该算法成功应用于结核杆菌图像当中,在增强图像对比度的同时降低了噪声的影响,保持了图像的平均亮度,实验结果证明了本文算法的有效性。针对结核杆菌图像的背景颜色多样化、目标分割不完整的问题,第三章提出了一种基于全局边界概率(gPb)分水岭的结核杆菌图像分割算法,该算法从区域级的角度分割结核杆菌目标,降低了目标像素颜色突变的影响,针对不同背景颜色图像提出采用多阈值分割的方法分类处理。第三章提出了一种基于自动标记分水岭的结核杆菌图像分割算法,从一定程度上避免了过分割的出现,提高了算法效率;为了更加准确地定位目标标记区域,减少目标周围杂质对标记区域的干扰,提出了一种基于自适应尺度高斯滤波的标记获取方法。实验结果表明本文算法提高了图像分割的精度,并且算法鲁棒性较好,对不同背景颜色的图像均能取得较好的分割结果。针对结核杆菌图像分割结果中存在的目标断裂问题,第四章提出了一种基于目标骨架的断裂目标连接算法,该算法利用骨架信息将断裂目标的两端连接起来,同时避免了将距离较近但不属于同一目标的两端相连接,提高了算法的实用性。针对图像中存在的重叠结核杆菌目标问题,第四章提出了一种基于目标骨架的重叠结核杆菌目标分割算法,成功地将单个结核杆菌目标从重叠目标中分割出来。算法在分析单交叉点骨架时提出了三种基本的处理方法,并对多交叉点骨架提出了一种基于层次树的分析方法,将多交叉点骨架按照层次树的关系依次分解成多个单交叉点骨架;针对交叉点距离过近的情况,提出了交叉点“融合”的方法。实验结果表明本文算法解决了断裂目标连接与重叠目标分割的问题,为后续的目标识别提供了基础。针对结核杆菌目标识别领域中特征选取存在的不足,第五章提出了一种基于主动形状模型(ASM)的结核杆菌目标识别算法。与常用的几何特征和特征描述子不同,该算法通过建立目标轮廓的形状模型找出目标形状变化的规律,并从中确定目标识别的准则。首先提出了针对结核杆菌目标形状的点分布模型建立方法,并利用该模型实现对目标轮廓标记点的自动提取,然后通过广义普鲁克分析(GPA)算法对齐多个训练样本,并在对齐时利用标记点权重减少对齐误差,采用主成分分析(PCA)变换得到目标轮廓标记点形状变化的规律,最后提出了一种基于形状模型参数和宽度一致性约束的目标识别准则,实验结果验证了本文算法的有效性。