该文将数学形态学、分形理论和模式上结合,针对癌变细胞与正常细胞差别甚微的特点,提出了早期癌变细胞识别算法.选取准确、合适的特征参量描述图像是该文的研究重点.首先,该文将广泛运用于二值图像分析的数学形态学推广至灰度图像的运算,利用形态学在描述信号形状、尺度特征方面的优势,采用形态学图像滤波算法,准确提取了目标.然后,该文分析了早期癌变细胞图像的特点:其形态与正常细胞相比改变不大,灰度动态范围窄,信息含量少,噪声类型复杂,目标形状不规则.指出目前细胞图像分析中常用的形态分析不符合早期癌变细胞的病理特点及图像特征,提出早期癌变细胞图像的主要特征在于其纹理分布的特征,并进一步指出目前传统纹理分析方法不适合早期癌变细胞图像分析,提出用模式谱和分形维数来描述微细胞图像的纹理特征.最后,将六个模式谱参量和分形维数参量送入BP神经网络分类器中,对117幅早期癌变细胞图像和114幅正常细胞图像进行识别.结果表明:分形维数和模式谱参量均能很好地描述图像特征,分形维数的灵敏度较好,而模式谱参量的特异性较高,将两种特征参量同时用于识别,灵敏度和特异性分别达到了82.05﹪和73.68﹪.这对肿瘤的早期诊断是有着极大意义的.