肠癌是全球最常见的恶性肿瘤之一,每年约导致50万人死亡,近年来发病率逐年上升。但相较其它癌症,肠癌治愈率和五年生存率都比较高。生存率与确诊时期有着直接的联系,目前最常见的诊断方法是组织病理检测。大量研究表明,借助计算辅助诊断技术不仅可以缓解病理学家的工作疲劳,而且可以进一步提高肠癌诊断的准确率。本文主要从分割和分类两个方面对肠癌病理图像识别算法进行研究,主要工作如下:1.提出了基于对象结构的腺体分割算法。借助基于对象纹理的技术,通过圆拟合算法,将管腔区域对象化后用于初始化种子点,将细胞核区域对象化后用于寻找区域生长的边界,通过这两步实现腺体区域的分割;其中细胞核检测算法,考虑苏木精-伊红染色后图像的特点,细胞核的颜色不同于其他任何组织的颜色,结合图像增强算法,采用基于LoG的斑点检测算法识别细胞核的位置。根据细胞核分布情况,为肠癌病理图像识别提供组织学上的特征。2.提出了基于多特征的肠癌病理图像识别方法,将不同类型的特征集合高效地结合起来。本文结合了方向梯度直方图特征、灰度行程特征以及组织学特征。同时考虑到不同特征集所携带信息可能存在冗余,结合特征选择算法,减少不相关特征带来的影响。最后对数据进行特征级融合,通过网格搜索的方法完成对分类器的参数设定。实验结果表明基于多特征肠的癌病理图像识别方法在一定程度上能够提高识别的准确率。