光学显微细胞图像是一种广泛应用于临床诊断的医学图像。本文以计算机辅助宫颈细胞学筛查为应用背景,深入研究了光学显微宫颈细胞图像的分割与识别方法,主要目的在于解决宫颈细胞图像分割与识别相关研究中现存的若干关键问题。具体而言,本文的主要内容与研究成果可以概括如下:在细胞图像分割方面,针对目前基于灰度边缘信息分割单细胞图像的相关方法存在边缘断裂的问题,第二章将变分与偏微分方程方法引入到解决断裂边缘连接的问题中,从而提出了一种基于断点抑制梯度向量场的闭合轮廓提取方法。然后将该方法成功应用到了单细胞图像分割中,实现了对细胞完整轮廓的提取。针对边缘模糊单细胞图像的实验结果证明了这一方法的有效性。针对目前细胞图像分割领域对于图像中彩色信息的利用不够充分的问题,第三章在深入分析光学显微细胞图像颜色特征的基础上,提出了一种彩色细胞图像颜色特征的分析方法——色差向量场分析法。然后通过对色差向量场下细胞边缘特点的分析,提出了一种循环匹配的方法进行细胞分割。针对实验自行采集的彩色单细胞图像的分割实验结果证明,这一方法能够有效利用图像中的彩色信息,从而实现对单细胞图像的准确分割。针对相关领域对于重叠细胞质分割的研究不够充分的问题,第四章提出了一种基于稀疏动态搜索与GVF Snake模型的重叠细胞图像分割方法。该方法首先采用一系列稀疏的轮廓点来近似描述细胞轮廓,并将细胞轮廓点划分为强轮廓点和弱轮廓点两部分。然后,该方法将细胞的分割问题转化为细胞轮廓点的定位问题,从而提出了一种稀疏动态搜索算法来定位细胞的轮廓点。这一搜索算法获取的轮廓点与真实细胞非常接近。最后,结合GVF Snake模型实现了对重叠细胞图像的精确分割。针对国际上公开的Herlev数据集和实验自行采集的宫颈细胞图像数据集的实验结果验证了本文方法的有效性。针对多细胞图像分割领域的经典方法容易出现对图像中对比度较低的细胞核的漏分割问题,第五章首先提出了一种融合灰度与彩色信息的细胞核区域的增强方法,并基于该增强方法提出了一种由粗到精的细胞核分割方法。该分割方法首先采用形态学重构进行细胞核的粗分割,然后在每个粗分割结果所在局部区域内基于GVF Snake模型进行精细分割。另外,为了处理多细胞图像中重叠细胞质的分割问题,第五章提出了细胞轮廓支撑区用于对第四章提出的重叠细胞图像分割方法进行扩展,从而在一定程度上解决了多细胞图像中重叠细胞质分割这一医学图像处理领域的难题。针对实验自行采集的多细胞图像数据集的实验结果验证了本文方法的有效性。在细胞图像的特征参数提取与分类识别方面,为了解决经典特征参数存在的不足,第六章提出了7个不依赖于细胞质分割结果的特征参数,并且结合前面提到的色差向量场提出了6个与细胞核相关的特征参数,然后将这些特征参数与9个用于描述细胞核的经典特征参数联合构建了一个新的宫颈细胞图像特征集。在该特征集上,本文从决策树分类器处理分类问题的思想中得到启发,提出了一种基于细胞核面积的两级分类方法用于对宫颈细胞图像进行分类。与直接分类方法相比,该两级分类方法能够有效提高宫颈细胞图像的分类准确率。针对国际上公开的Herlev数据集和实验自行采集的宫颈细胞图像数据集的分类实验结果验证了本文提出的分类识别方法的有效性。