人体白细胞的计数和质量是临床诊断的重要依据。自动化血液细胞分析仪由于操作简便、快速,现正逐渐取代传统的显微镜计数法而被广泛应用。然而目前国内大多数是电阻型血液分析仪,准确率和精度不够高。要对血涂片进行精密分析必须进行血细胞的形态学识别。因此,运用计算机模式识别技术自动识别血细胞图像是模式识别在医学图像领域应用的一个重要研究课题。本文的主要研究工作是白细胞显微图像分析,综合应用数字图像处理技术、数学形态学和神经网络理论,围绕着白细胞显微图像分析系统的信息化、自动化程度中的几个关键问题做了以下几方面的研究:1.建立细胞模型,实现对各种特征的量化。2.实现白细胞的定位和区域分割。3.对白细胞图像进行特征提取。4.建立白细胞图像识别分类器。5.实现学习功能。本文分别从理论和实际应用的角度对其中的技术难点进行深入分析,在以下几个方面取得了创新:根据人眼视觉显著性注意机制,提出了一种新的算法,从粗到细序贯处理,分割出白细胞并提取特征。利用图像的形态信息和细胞的先验知识,先分割出细胞的大致形状,再进一步得到细胞形状的细节特征。解决了一般数字图像处理技术难以分割具有交叠区域的白细胞图像的问题。在减少了误判率的同时也大大减少了计算量。提出一种新的描述目标形状特征的指标,可以从各种精细度反应细胞核的形状信息,更利于识别。通过对30幅图像共58个白细胞的测试表明,此算法的正确识别率为98.08%。在dsp平台上测试,计算的速度可以达到每秒25个细胞。具有较好的实用价值。