1.一种细胞有丝分裂检测方法，其特征在于，具体包括以下步骤：步骤1、用多光谱显微镜对有丝分裂中的细胞进行不同波段的扫描，并用不同的聚焦平面来数字化扫描得到的图片，形成图片矩阵；将扫描得到每幅图片所对应的图片矩阵分别用一个列向量来表示，该列向量的长度与原图片矩阵大小相同；

步骤2、用步骤1产生的列向量构造第一类矩阵，所述第一类矩阵的每一列分别按顺序对应步骤1中产生的每一个列向量；

步骤3、对步骤2得到的第一类矩阵进行低秩分解，分解成大小相同的低秩矩阵和稀疏矩阵；

步骤4、将步骤3得到的稀疏矩阵的每一个列向量都分别转化成相应的第二类矩阵；

步骤5、对步骤4中得到的所有第二类矩阵求和，得到第三类矩阵；

步骤6、循环执行步骤1至步骤5直到完成所有波段的数据处理，得到复数个大小相同的第三类矩阵；

步骤7、对步骤6中得到的复数个第三类矩阵进行与计算，得到最终的检测结果，其中的非零部分即为有丝分裂部分。

2.如权利要求1所述一种细胞有丝分裂检测方法，其特征在于：步骤1中将图片矩阵转化成列向量时，像素点的个数保持不变，大小为M×N的图片应转化成长度为M×N的列向量，其中M、N分别为自然数。

3.如权利要求1所述一种细胞有丝分裂检测方法，其特征在于：步骤3中对矩阵进行低秩分解，所得到的低秩矩阵和稀疏矩阵其大小均与低秩分解前的原第一类矩阵的大小一致。

4.如权利要求1所述一种细胞有丝分裂检测方法，其特征在于：步骤3中所述低秩分解的具体计算方法如下：m×n m

D＝[I1,...,In]∈R 表示n个连续的细胞有丝分裂病理图像，其中j∈n，Ij∈Rm×n表示第j幅图像，每幅图像由包含m个像素的列向量组成；矩阵D分解成低秩矩阵B∈Rm×n和低秩表示中的异常值S∈{0,1} 两部分，B为背景图像，代表非有丝分裂部分，S为前景图像，代表有丝分裂细胞；

其中，ij表示第j幅图像中的第i个像素；

PS(X)表示矩阵X到由S支持的矩阵线性空间的正交投影：是与PS(X)互补的投影，满足

给定一个实数阈值K，则矩阵B应该满足条件：rank(B)≤K (3)

其中，K越小，矩阵越相关；

通过马尔科夫随机场来建模：由矩阵D中所有像素点作为顶点υ构造一个图模型G＝(υ,ε)，υ的大小为m×n，ε是边的集合，每条边都是用来连接时间或空间域上的相邻像素，前景图像S应该满足：参数λij＞0是Sij＝1的惩罚因子，表明前景部分是稀疏的；参数λij,kl表示Sij和Skl之间的相关性，表明前景部分是连续的；在所有的位置都令λij＝β，λij,kl＝γ，其中β＞0和γ＞0是正常数；

将（4）式和（5）式合并为：

在完成对前景图像S和背景图像B建模后，得到信号模型D。；

当Sij＝0时，假设Dij＝Bij+ξij，其中，ξij为独立同分布的高斯噪声，即Dij～

2 2

N(Bij,σ)，σ 是高斯噪声的方差；

通过最小二乘法来拟合Dij，当Sij＝1时背景完全由前景遮挡，Dij等于前景的灰度值；

通过最小化以下能量函数来估计B和S：

结合矩阵的三个范数： 表示l1范数、 表示Frobenius范数、||X||*表示核范数，它是矩阵奇异值的和；用核范数来代替矩阵B的秩操作符，将（7）式改写为矩阵形式：其中，A是图G的节点-边的关联矩阵，α是和K相关联的大于零的参数，用来约束背景模型的复杂度。