李申，康欢

（广东工业大学机电工程学院，广州510000）

0 引言

宫颈癌是全球女性健康的一大威胁，是女性最为常见的癌症类型之一。同时，如果能够早期及时发现并治疗，宫颈癌有着极高的治愈率[1-3]。因此，宫颈癌的早期筛查对于宫颈癌的防治有着重要意义。目前的筛查方式主要依靠病理医生人工判读，这种方法不仅工作量巨大，而且其结果容易受到病理医生技术水平和主观情绪的影响。因此，实现宫颈细胞图像的自动分类系统有着重要的现实意义。

传统的图像分类系统首先需要完成针对宫颈细胞图像的分割工作，然后从分割后的图像中提取图像特征，接着训练特征分类器。Juan Valentín等人[4]使用形态学特征和Haralick纹理特征的组合对宫颈细胞图像进行了分类，这些特征是从细胞核灰度共生矩阵中获得的，并通过PCA减少数据维数，并证明了其有效性。苏洁等人[5]提出了使用两级级联分类系统，根据每种细胞类型的特征提出了28个特征，包括20个形态特征和8个纹理特征。然后，使用两个分类器的两级级联集成系统将宫颈细胞分为正常和异常上皮细胞，进一步提高了分类的精度。鲁武警[6]提出了基于主动轮廓模型和梯度矢量流的细胞图像分割算法，并提取分割图像的形状特征和颜色特征，使用支持向量机作为分类器，达到了宫颈细胞识别的目的。这种宫颈细胞的分类方法需要研究人员手工完成对宫颈细胞图像特征提取算法的设计，这不仅要求研究人员具备一定的细胞病理学知识，而且其最终选取的图像特征也不一定具备代表性。……