近年来全球范围内宫颈癌的发病率呈逐年上升趋势,已经成为威胁妇女生命的社会问题。DNA倍体分析技术是近年来应用到细胞病理学自动阅片技术。有效的将病理学专家的诊断经验与计算机的精确计算和快速处理能力结合起来,实现对宫颈细胞图像的识别和诊断。该技术首先采集人体细胞标本,并对细胞DNA染色,然后将细胞置于显微镜下,通过高分辨率相机拍摄得到细胞核图片。采用模型训练方法,将细胞核图像进行分类并识别各类细胞核,然后采用图像处理技术测量细胞DNA的相对含量。最后将异常的细胞罗列出来,辅助医生诊断。然而异常细胞大多数存在于重叠细胞团,所以对于DNA倍体系统,准确识别出重叠细胞核至关重要。由于采集到的标本中重叠细胞核种类繁多,收集大量重叠细胞核费时费力,这使得成团细胞核的训练图片数量远远少于其他类别的图片数量,导致训练数据失衡问题。然而大多数分类器学习算法对于不平衡数据分类效果并不理想,解决训练数据失衡问题对DNA倍体系统有重大意义。为解决上述问题,本文提出了失衡数据情况下成团细胞图像合成与分类方法。本文工作包括以下几个方面:1.提出了一种基于余弦不变性的源细胞图像选择方法。该方法首先提取细胞图像的特征值,然后基于特征空间利用余弦不变性原理,挑选有代表性的单细胞图像用来合成大量成团细胞图像。当样本间形成的角度小于定义的阀值时,只有一个输入样本被接受用于作为合成细胞图像的原始材料,增加了合成数据样本的多样性。2.提出了基于随机性的成团细胞图像合成方法。首先源细胞图经过旋转,分割后等处理,用两张图片图合成新的成团细胞核图片。为了使合成的细胞尽可能地接近真实,主要考虑了三个方面的问题。为了确保合成的细胞具有代表性,我们对单细胞进行筛选,获得典型的单细胞图像用于合成。为了避免合成的数据在样本空间过度聚集,在细胞的旋转角度和重叠程度两个方面引入和随机性。为使重叠部分真实,对重叠部分像素需要进行重构。3.提出了一种基于主动学习的合成重叠细胞图像选择方法。该方法首先将大量样本分为多个样本簇,增加主动选择样本的效率;其次根据两条选择标准来选择训练样本,即代表性和不确定性;然后在循环迭代过程中对每一个样本簇进行神经网络模型训练,来选择代表性训练样本;最终将选择出的所有成团细胞图像和单细胞图像,用于模型训练。实验表明,向小类样本类别加入合成重叠成团细胞后,在多种分类器上都取得了识别率的提升。本文方法能用于不平衡数据处理问题上,当小类样本数据量过少无法让分类器学习充分时,有效合理的合成所需的细胞图像,模拟重叠细胞团的纹理、灰度、形状、大小等特征,使分类器更加充分全面的学习小类样本特征。最终结合主动学习方法来选择质量高的成团细胞图像,让模型学习的更好并大大的提高了分类器对细胞图像的识别率。