该文围绕血细胞在临床常规染色(瑞氏—姬姆萨染色)条件下的识别分类这一应用性课题,针对外周血及骨髓涂片中血细胞特点,特别是对骨髓中血细胞识别和分类的关键技术—血细胞的图像分割、颗粒检测、特征提取和多类别分类等展开较深入的研究,旨在提高骨髓血细胞识别和分类的正确率.应用图像分割技术从复杂的背景中自动分割出血细胞,是该文首先需要解决的问题,因为分割结果的好坏直接影响血细胞的特征提取及识别.该文研究并提出了分两步骤地完成血细胞检出和分割.在血细胞识别过程中,细胞核纹理特征的变化往往反映了不同成熟阶段的细胞类型.该文针对光学显微图像分辨率较低、细胞核图像数据大小有限的特点,提出一种改进的基于分块迭代函数系统的分形维估计方法,为骨髓涂片中各阶段血细胞的胞核表面纹理描述提供了几个新参数,并通过实验初步证明了这些特征的有效性.另外,血细胞胞浆中的颗粒数目、颜色信息也是鉴别各类细胞的重要特征,为此研究了基于双正交小波分解和多阶数Renyi熵的颗粒自动检测方法,对不同颗粒分布的细胞图像进行了检测.实验表明,该方法检出的颗粒形状完整,定位准确,为颗粒特征的自动提取提供了保证.最后,提出多级支持向量机分类器技术在血细胞多类别分类问题中的应用,对骨髓中不同成熟阶段的血细胞进行了自动分类,通过分析支持向量机的分类机理,研究了分类器的构建及提高性能的控制参数选择方法,并使用交叉验证方法将其与传统的方法作了性能比较.实验表明,该文方法对骨髓中八类血细胞的正确识别率可达86.12﹪,证明它潜在的应用价值.