宫颈癌的发病率和死亡率逐年上升，严重影响着广大女性的健康。但是，大多数的宫颈病变可以在早期被发现，而且早期的治愈率很高。因此，宫颈癌的早期筛查，特别是常规的普查，对预防癌变、降低发病率和控制死亡率具有重要意义。早期筛查宫颈病变的公认有效手段是细胞学检查，其中，液基薄层细胞学检查（LCT）是一种被医院普遍采用的新兴技术，具有制片速度快、涂片质量高等优点。目前，细胞涂片的判读过程主要以专家人工方式完成，这种阅片方法不仅效率低，而且易受主观因素影响，缺少量化指标，不利于大规模筛选普查。因此，使用计算机技术，结合专家判读思维，进行定量分析和分类识别，可以有效辅助医生诊断，具有重要的现实意义和广阔的应用前景。本文在前人研究的基础上，结合宫颈细胞病理学基础知识，根据宫颈细胞LCT图像的特点，重点研究异常宫颈细胞核的定位分割、特征提取和识别分类。提出一种基于视觉注意机制的宫颈细胞LCT图像感兴趣区域的定位方法，根据专家认知的心理过程，采用自下而上的底层注意机制和自上而下的目标驱动注意机制相结合，通过计算图像中方向和亮度的特征构造显著图，再与环形模板匹配方法得到的面积高响应区域结合，最后采用WTA机制获得感兴趣区域。通过距离变换重建和分水岭算法实现感兴趣区域内的细胞核分割，再提取特征参数并优选，送入BP人工神经网络分类识别。实验结果表明，本文方法提取的感兴趣区域符合专家的视觉注意机制，取得良好的效果，较好地完成宫颈细胞图像的定量分析和识别任务。本文还介绍了系统的总体解决方案。