红血球（Red Blood Cells,RBCs）对维持人体的正常生理功能具有重要作用，它向身体的各个组织输送氧气，同时将细胞代谢产生的二氧化碳运送回肺部。这些功能能否正常运行很大程度上依赖于红血球的柔韧性，而柔韧性又取决于可变形能力。临床诊断中大量实践经验表明很多疾病都与红血球的形变能力有关，红血球的变形能力对血液的过滤性具有决定性的作用。在病理学研究中，如多发性硬化（Multiple Sclerosis,MS）等疾病的直接诱因皆源于红血球形变能力的减弱。因此在医学诊断中，红血球形状的分析将有利于医生准确判断病人病情。分析红血球形变能力的一个主要途径是计算RBC图像中各类细胞的形状分布。由于红血球本身形状的多变性，常用的分类方法并不适用于这类特殊对象。传统的人工分析存在时间长，精度低，很多程度上取决于直观印象判断等不利因素。需要将红血球的形变特征与其形状结合起来综合考虑。本研究旨在通过对由扫描电镜（Scanned Electronic Microscope,SEM）成像得到的红血球数字图像进行处理，利用基于阴影恢复重建（Shape from Shading,SFS）技术进行三维高度场重构，通过基于边界轮廓的区域生长算法提取出单个细胞，进行特征及其统计量的计算，最终实现一个红血球的自动分类识别系统。具体包括如下几点：1.针对由扫描电镜成像得到的红血球数字图像中包含大量相互重叠（Overlapped）的红血球，考虑到图像中红血球的分布统计特征，假设满足一致同等均匀分布，只需提取处于最上层的细胞图像。对由轮廓跟踪算法得到的边界轮廓中心点进行区域生长算法分离出各个细胞的图像。2.提出一种SEM成像条件下的基于线性逼近的用于解决反射映射函数的Shape from Shading红血球表面形状三维重建方法。采用Lambertian反射模型，图像亮度偏微分方程（Image Iradiance Equation，IRE）的求解利用基于Taylor展开的线性逼近差分运算得到。重建的三维高度场形状可视为距离图像（Range Image）作为细胞图像的表面分割输入。3.提出一种针对不规则多形变红血球数字图像的自适应曲面拟合以及曲率计算方法。通过阴影恢复技术重构的细胞表面的三维高度场形状，利用三维数据点根据最小二乘法进行曲面拟合。选定深度均方误差阈值来决定参与拟合的邻域点，计算得到的高斯曲率、平均曲率可用来表征某一点的表面类型，主曲率则用来观察曲面变化较大的区域。通过迭代变阶二元多项式函数分别对不同类型表面进行曲面拟合，提取细胞表面形状特征，并以此作为进一步对细胞进行分类的依据。4.将粒子群优化-级联支持向量机分类器引入到红血球的自动分类识别中，提出一种PSO-CSVMs组合分类器学习模型，通过粒子群优化算法实现非线性核函数的参数优化。将细胞表面类型分布作为特征向量，对分类器进行学习和测试。