在医院的临床常规化检验项目当中,血涂片的显微镜检查是其中很重要的一个,通常医生通过分析血涂片当中的白细胞所占比重来对人体的健康状况进行诊断。在当前条件下,大多数医院对血涂片的检查都是由专业医师通过显微镜目测来进行的,这对专业医师的素质有很高的要求,医师的主观判断会对鉴定结果产生一定的误差,而且由于人工镜检的工作量较大,在一定程度上浪费了有限的医疗资源。本课题通过研究血涂片图像中的白细胞自动识别分类算法以及相关技术,完成了一套血涂片智能识别分析系统,以此来对医院中常规的人工镜检技术进行优化提高,可以在一定程度上缓解医疗资源紧张的问题。本文的具体研究内容概括如下:首先,本文根据血涂片的图像采集和性能需求设计了一套自动化系统,提出了包括硬件部分、软件部分和算法部分的整套设计方案。其次,针对血涂片图像自动获取的需求,本文在已有的清晰度评价函数基础上进行了改进,提出了基于不同对焦位置的快速对焦方法,保证了对焦的速度。然后,针对血涂片图像中的白细胞分割,本文提出了基于色彩空间的细胞核阈值分割方法,基于坐标定位的改进Grabcut白细胞分割算法,相较于传统分割算法准确率提高8%以上,有效地解决了白细胞分割过程中分割不准确的问题。接着,针对白细胞的特征提取和特征选择,本文分别从形态学、纹理和灰度三个方面进行特征提取,然后使用Filter方法进行特征选择,采用Fisher判别思想对特征筛选,得到最终的特征集合。最后,针对血涂片中白细胞的分类问题,本文验证了五种白细胞多分类策略,其中四种是基于SVM的多分类策略,另一种是基于梯度提升决策树XGBoost的分类策略。五种分类方法针对不同类型的白细胞分类各有优缺点,经过实验对比本系统使用速度准确性兼具的XGBoost法作为分类算法。本文提出的全自动血涂片智能识别分析系统相较于传统的血涂片识别方法,识别速度较快,而且分割和分类精度较高,系统准确率达到91.12%,在实用的层面上有较大的提升,具有更广泛的使用前景。