传统的医学显微图像的分析是在光学显微镜下由医生用肉眼观看、计数和判断,并对照显微图例给出诊断结论。这样,医生工作量较大,对病情的诊断过分依靠经验。为了改善上述问题,本文将数字图像处理技术、模糊模式识别和模糊聚类分析引入到胸水癌细胞显微图像的处理中,即在对原始显微图像进行边缘检测的基础上,在通过将数字形态学知识与模糊模式识别结合的方式对胸水癌细胞显微图像进行特征提取与识别并运用模糊聚类分析方法对细胞样本空间的划分进行了优化,为癌症的诊断提供可靠具体的参数。细胞图象的边缘检测是进行显微图象识别的关键,边缘检测算法是本文的研究重点之一。胸水癌细胞形态各异,具有很大的不确定性,往往在同一幅图像中同一种癌细胞形态也不完全相同,因此普通的边缘检测方法效果不佳。由于图像的不确定性是由其模糊性造成的,本文采取了模糊边缘检测的方法提取其边缘信息。在细胞特征提取方面,在边缘检测的基础上依据形态学知识和病理学专家的医学知识提取了诸如周长、面积、核质比、光密度、细胞及细胞核形状因子等9个度量参数。然后基于提取的9个参数,采用模糊模式识别方法对胸水癌细胞进行了识别。建立了诸如细胞核增大的细胞、细胞核深染的细胞、细胞核不圆的细胞等6个模糊集合和与之相应的6个隶属函数,并根据模糊集合的运算法则将胸水细胞样本空间进一步划分为4个标准模式,实现了胸水癌细胞的识别。最后,为了提高模糊集合的划分精度,减少人为因素的干预,采用基于目标函数的模糊聚类分析方法对胸水细胞样本空间的划分进行了进一步的改善。