宫颈癌诊断的金标准，是在白光阴道镜图像下活检取样，之后对取样标本做组织病理诊断。取样的准确性直接影响诊断的准确性。然而目前临床上阴道镜成像模式较为单一，对病变区域突显不足，对医生活检部位的确定指导价值有待提高。为此，本文对基于多光谱窄带成像的计算机辅助宫颈癌筛查方法进行了研究，主要包括成像装置的优化，阴道镜系统人机交互界面设计以及多光谱病理诊断算法研究。　　本研究所使用的阴道镜系统，具有环形多波段LED照明光源，使用高分辨率彩色CMOS相机。它能对宫颈组织进行快速的分时成像，并得到三幅宫颈组织在不同波段照明光源下的彩色图像：常规白光成像、窄带蓝光成像以及窄带绿光成像。本研究所开发的多光谱病理诊断算法由图像预处理和组织分类算法两部分组成，其中图像预处理方法包括如下步骤：首先对三种模式成像获取的图像采取中值滤波处理，以消除可能存在的极端噪声；其次是空间配准，用于消除分时图像之间可能存在的微小位置偏差，配准采用互信息量为相似性测度函数，梯度下降法为优化算法；第三步对宫颈组织提取，利用canny边缘检测结合数字图像形态学操作；第四，多波段图像融合，以宫颈组织非病变区域相对病变区域的灰度对比度为评价指标，融合后的图像其对比度相较未融合图像各通道对比度皆有明显提升，此举可以拉大宫颈组织病变区与非病变区之间灰度特征的“距离”，方便下一步的分类诊断。　　组织分类算法是在在得到多波段融合图像之后进行的，具体包括：二分类（正常与病变两类）的 K 均值聚类算法，初始种子点则为医生在样本图中提取的样本点的特征均值；为了优化分类诊断的效果，在白光图像上利用改进的 K均值聚类算法结合轮廓系数法对宫颈组织的镜面反射点进行剔除；加入白光图像的HSI及Lab颜色空间分量为分类特征，并再次利用K均值聚类算法对阴影区进行去除　　本文还对宫颈癌多光谱光学病理筛查方法进行初步临床评价。将多光谱病理诊断算法所形成的分类诊断结果与医生组织病理结果进行客观评价。临床评价结果表明，本文分类结果具有 84%的灵敏度、93%的特异度以及 89%的准确度。本文创新性地开发了适合窄带反射光成像的阴道镜宫颈癌计算机辅助诊断算法，该研究有望提升阴道镜对活检取样位置确定的指导价值，对提高县区级等医疗资源欠缺的医疗机构早期宫颈癌筛查的准确性有帮助，对广大基层妇女早期宫颈癌筛查普及率提高具有实用价值。