医学图像的处理技术越来越智能化，其在临床疾病诊断中的应用也成为了医学领域和计算机领域共同的热点研究课题。随着检验手段的提升和生存环境的恶化，癌症的成因也日新月异，疾病的诊疗面临着许多新难题。在临床医学领域，通过肺组织显微图像来诊断肺部疾病是一种非常重要的手段。“本体”源自人工智能领域，用来表示知识，而在计算机相关领域是指运用基本的知识表达本体理论方法，通过概念分析、建模，把客观世界里的事物抽象成一系列概念及其它们之间关系的理论与方法。在某种程度上，本体可以实现知识的共享，以便其在不同领域的语义理解。模糊识别和另外的传统方法相比较之后，可以发现它独特的一面。首先，识别标准不需要明确度量要求，其可以模拟人脑的某些思维过程，并且不需要很显著的数据作为判别条件。其次，它是对统计方法和句法方法的有效补充，它建立在模糊数学的理论基础之上。总之，模糊识别可以更广泛的模拟大脑的分析问题的过程，并且允许识别对象中的干扰存在，也不需要大量的样本作为其学习的先决条件。本文以肺组织显微图像中癌细胞对象为基础，将图像处理、图像识别、本体建模、模糊理论相结合，简化了图像识别的研究过程，提出了面向对象图像识别的思想，对于实际或理论中的相关问题可以以其作为某种参考。本文主要做的工作如下：1)学习了图像处理和图像识别的基础知识，并编程实现了常用图像处理算法。2)运用形态学边缘检测和分水岭算法，提取细胞目标区域的边界部分，然后，根据提取的边界计算细胞区域的周长、面积、伸展度、圆形度、蓝色分量比。根据提取的形态特征，经过大量实验，选取合理的阈值范围，初步判断癌细胞区域。3)以提取的封闭边缘数字信息作为基础，提出的面向对象图像识别的方法。设计此方法的具体步骤。4)将此种方法引入到肺组织显微图像识别中，分析提取了肺组织灰度图像的纹理特征：灰度共生矩阵的二阶矩、熵、对比度、相关性。5)根据提取的各项纹理特征，计算与特征库中各项肺癌灰度图像纹理特征的加权欧氏范数，据此来判定属于哪一类肺癌。