随着技术的迅速发展与理论的不断深入,智能图像与视频分析已成为一个非常活跃的研究领域,它主要研究图像和视频序列中感兴趣目标的检测、跟踪、识别与行为分析等问题。密度估计和目标计数作为智能图像与视频分析的重要研究内容,越来越受到人们的重视。本论文主要研究了两种目标计数方法,并且以尿沉渣镜检图像验证了方法的可行性。作为准备,首先研究了尿沉渣镜检图像的分割方法。接下来的研究主要分为以下两方面：针对多类目标群体,研究了一种基于SVM的目标分类计数方法。首先研究了支持向量机的机器学习方法,并将其引入到尿沉渣有形成分的分类计数研究中。对尿沉渣镜检图像中的不同细胞类型,通过实验选取能够很好对其进行表征的图像特征,提取生成特征向量。接着使用两个级联SVM逐次分类出红白细胞。一旦完成了分类,每类细胞的数量自然就得到了。针对高密度有重叠、黏连的单类目标群体,提出了一种基于正则化风险最小化原理的目标计数方法。引入了目标密度函数的定义,它在任意图像区域上的积分为该区域内的目标个数。接着由密度函数的定义提出了构造真实密度函数方法,并且推导了密度函数的参数化模型。最后由正则化风险最小化原理求取密度函数模型的参数,并将最小化问题转化为一个线性规划问题。不同于现有的大多数目标计数方法,这种方法能够得到图像中任意区域内的目标个数的估计。对于高密度群体,该方法也能给出目标计数,而不仅是密度等级。