细胞显微图像处理是医学临床检验的重要手段。近年来,由于环境的污染,化学废料及物理因素等的影响,使得患血液疾病的人数日益增多,因此计算机辅助细胞图像的分类识别对血液病的早期诊断和鉴别具有十分重要的意义。通常血液病专家是在显微镜下根据骨髓和血液中细胞形态及细胞化学染色等特性来进行诊断的,这种纯视觉的估计存在着观察者自己及观察者间可重复性差的问题。为此,研究细胞自动识别分类及分析技术,以客观地完成细胞的定量分析及计算机辅助诊断显得越发重要。细胞图像的分类识别是目前图像处理和模式识别领域的研究热点,在生物医学领域有着十分广泛的应用前景。它能通过计算机的辅助诊断,为临床医学诊断提供更加丰富、准确的医学信息。本课题是图像处理和识别在医学领域的一个应用性研究,基于24-bit真彩色骨髓淋巴细胞显微图像,就如何运用计算机图像处理和识别技术实现其自动分析进行了深入研究和探讨,旨在提高淋巴细胞检验的准确率,减少人为的判断误差,降低劳动强度,提供工作效率。本文针对骨髓和血液中淋巴细胞的特点,对其识别和分类的关键技术——淋巴细胞的图像分割、自动检出、特征提取和识别分类几个方面展开较深入的研究。论文的主要工作如下:(1)图像的自动分割是淋巴细胞自动识别技术中的关键一步,分割结果的好坏将直接影响后续的特征提取和分类识别。为此,本文提出了一种基于多彩色空间的彩色淋巴细胞图像分割算法。它通过RGB彩色空间分析结合最大类别方差的思想来分割淋巴细胞胞核,然后结合胞浆的彩色信息,在HSI空间提取胞浆;为提取细胞轮廓,提出一种新的图像轮廓提取方法,采用数学形态学和Canny算子相结合,得到细胞核和细胞浆轮廓;最后通过自动检出算法来实现单个细胞的处理和分析。仿真结果验证了该算法对彩色淋巴细胞图像分割的有效性。(2)淋巴细胞的特征提取是对其进行分类识别的基础,将细胞从复杂背景中分割之后,下一步就要从图像中找出淋巴细胞可区分特征,并进行分析和分类,也就是对细胞进行特征提取。本文在细胞图像分割的基础上,结合临床检验专家的知识经验,深入地分析了淋巴细胞图像的特征描述,提取了淋巴细胞的形态特征、色度和亮度特征、彩色特征以及纹理特征。(3)在分类方面,为了解决常见的特征维数高、类别多的分类问题,提高正确率,研究了BP神经网络在淋巴细胞分类问题中的应用,对三类淋巴细胞进行了自动分类,研究了分类器的构建及参数选择问题,并对传统BP分类器进行了改进.最后使用交叉验证方法验证了改进的BP分类器的分类性能,并将其与传统BP神经网络分类结果进行比较分析,实验结果证明了改进的BP分类器可以用于淋巴细胞的分类识别,取得了良好的效果。论文最后对全文进行了总结,并对下一步的研究工作进行了展望。