白带是女性阴道的分泌物,白带显微检查是当前临床常规化验检查项目之一,白带中的各种生物细胞状况反映了女性阴道的病理变化情况。当前,大多数的医院对白带的检查都是采用显微镜人工目测,同时结合化学试剂来检验,人工目测对检验医生的要求较高,医生的主观判断难免会出现失误。这些年,随着数字图像处理技术的进步,很多领域开始使用数字图像处理,而医学领域也不例外,数字图像处理为医学诊断带来了实质性的改变,从而推动了医学诊断的变革。随着智能识别技术的不断发展,医学诊断中已逐渐开始对白带中的有型成分进行分析识别,尽可能地减少医学显微镜的使用频率,这样不仅可以降低医学检验人员的眼睛疲劳强度,还能加快医生的诊断过程。从我们查阅医学界的资料情况来看,关于白带显微图像中有型成分的智能识别技术国内外未见报道。本文研究了白带显微图像中有型成分的自动识别算法和相关技术,用以代替现在最常用的人工镜检技术。白带中的有型成分包括白细胞、上皮细胞、杆菌和球菌,为了保证后续四种细胞检测的独立性,本文将四种细胞的检测分开,基于四种细胞的形态特征,确立检测顺序为先检测白细胞,再检测上皮细胞,最后检测杆菌和球菌。本文的主要研究内容是:首先,进行白带显微图像的初步处理分析,即对显微图像进行分段切割,利用形态学元运算和区域标记进行分析。但是白带所处的环境比较复杂,因此在本文的研究中,主要采用阈值分割、边缘分割来对显微图像进行预处理,从而根据处理结果来对白带进行算法评估,从综合情况来看,边缘分割法在白带的显微图像处理中效果较好,故在本文的研究中主要采用边缘分割法来作为白带中的细胞提取的主要算法,从而提取出每个目标区域供下一步处理。其次,研究了人工神经网络算法,对白细胞的识别主要方法是基于神经网络改进的模糊识别算法,在本次研究中,将模糊识别算法运用早BP(Back Propagation)神经网络中,从而利用神经网络来拟合隶属度函数。对上皮细胞、杆菌和球菌利用其形态特征和纹理特征来识别,提取了基本几何形态特征、灰度值、方差、粗糙度和相关性等,并结合上皮细胞图像、杆菌和球菌图像对这些特征进行介绍。最后,介绍了算法设计的整体流程,对得到的设计进行了编程,然后进行程序优化,使用CUDA(Compute Unified Device Architecture)来加速图像算法,最后为了提高整个算法的速度,本文在研究中使用GPU(Graphics Processing Unit)多线程来控制运算过程。实验结果表明,本文的算法对白带显微图像中有型成分识别的检测准确率达到了94%,检测速度为0.26秒,满足了医院实际检测的要求,具有一定的应用价值。