医学显微图像自动识别与分析是生物医学工程领域的研究热点,实现临床镜检体液(尿液)细胞图像有形成分的自动识别与分析,可以提高医学检验效率与检验结果的科学性。论文围绕体液细胞图像有形成分智能识别关键技术展开研究,涉及图像预处理、图像分割、形状特征提取、纹理与颜色特征提取、细胞模式识别五个方面内容。对各种算法都进行了实验和分析,实现了体液细胞的智能识别。图像预处理方面,分析了尿液细胞图像的主要降质因素及噪声模型,结合图像特点设计了基于梯度的各向异性滤波算法与结合信息熵的自适应加权中值滤波算法,在选择性过滤图像背景噪声和脉冲噪声的同时,保留了图像中目标边缘细节信息。另外还设计了基于邻域对比度的边缘增强算法,改善了图像质量。图像分割方面,提出了多种自适应分割技术模型和基于分割评价的多层次分割算法,设计了基于细胞图像的多信息、多层次、多方法综合分割算法,实现了细胞图象的精准分割。结合区域分割与边界分割技术,提出了基于BP分割评价的多层次双阈值迭代分割算法和多层次自适应边缘检测算法。结合多信息分割技术,提出了一种融合邻域均值和灰度的二维阈值改进算法及融合空间位置、灰度、色彩信息的mean shift分割算法。为了克服每种分割算法引起的边缘断裂与粘连现象,提出了基于形态学多结构元边缘连接算法。形状特征提取方面,分析了影响形状特征的主要因素,建立了图像中有形成分形状语义描述模型。定义了一种基于区域弦分布的形状描述子。通过比对实验建立了有形成分傅立叶变换系数形状描述子。提出了一种结合曲率的多边形拟合形状描述方法和基于边界点的矩特征快速计算方法。最终建立了用于描述体液细胞图像中有形成分形状区别的35维鲁棒性形状特征矢量。纹理与颜色特征提取方面,通过研究各种有形成分图谱,建立了描述各种类型细胞纹理及颜色区别的语义模型,提出了一种加权综合共生矩阵的纹理特征描述方法,提出了一种融合纹理谱和Zemike矩特征描述方法,通过对细胞图像进行小波多尺度分析,提出了多尺度高频能量比和多尺度高频分布方向描述特细胞内部纹理的方法,提出了基于概率滑动窗口的区域颜色特征提取方法。最终建立了有效描述各种成分内部区别的32维纹理及颜色特征矢量。细胞模式识别方面,给出了细胞模式识别的基本框架和任务,用BP神经网络算法与ID3决策树算法实现了细胞模式识别,并对两种方法的性能进行了比对,确立了最终细胞识别算法。论文还提出了基于概率分布均衡技术的特征归一化算法,加快了BP网络、ID3算法的学习收敛速度,提高了识别率。