从PRRS诊断出发,通过图像识别技术对淋巴结细胞含量水平进行分析,从而辅助PRRS的诊断。主要研究内容如下：(1)研究了目前PRRS的国内外研究现状以及图像识别技术在医疗诊断领域的研究现状。(2)图像预处理研究。由于医学图像的复杂性和实验环境的影响,不能将原始医学图像用于图像分割。针对不均匀光照的问题,引入了HSI颜色空间模型,解除了彩色信息和光强度的关系。对常用的滤波算法和边缘检测方法进行系统的对比研究,对数学形态学进行了简要介绍。(3)基于分水岭的图像分割改进算法研究。在平滑滤波方面,通过实验选取双边滤波作为分水岭算法的平滑算法,减少了过分割区域。在标记提取方面,引入人工启发信息,基于HSI彩色图像分割并结合形态学操作设计了标记提取方法,得到了有意义的细胞标记。在区域合并方面,针对传统区域合并的高时间消耗问题,引入了标记信息,设计了基于区域生长的合并方法。在设计区域合并的距离度量时,充分利用了彩色图像的丰富信息,从颜色、纹理、公共边缘三方面设计了区域合并的准则,取得了较好的效果。(4)特征系统提取方法及特征规约研究。从形状、纹理、颜色三方面对细胞进行了系统的特征提取。结合PCA特征变换和ReliefF特征选择各自的优点,提出了一种基于PCA和ReliefF的特征规约方法,该方法有效地降低了特征维数,消除了特征间的不相关性,并剔除了对分类预测贡献较小的特征。(5)基于分水岭的图像分割改进算法研究。对于淋巴结这样的复杂医学图像,单个分类器识别效率并不理想。而集成学习能够显著地提升分类器的性能,故对其进行了深入研究。针对AdaBoost对噪声敏感的特性,提出了基于聚类的样本去噪方法,提升了Adaboost算法的稳定性及识别准确率。并进一步提出了基于聚类的大规模样本集简样方法。还从提高基分类器差异度角度入手,在AdaBoost和Bagging算法中引入随机扰动,进一步提升了学习器的泛化能力。综合上述研究成果,利用加权投票设计了二级分类器集成方法,并基于模块化设计和管道思想提出了一套完整的模式识别算法框架。(6)图像识别技术在医疗诊断中的应用研究。对实验结果得到的细胞含量水平进行了分析,指出其进行疾病诊断的指标,为PRRS诊断提供了依据。