免疫系统作为人体的第三道防线,保护人体免受病毒、细菌等的入侵,对人体的健康起着至关重要的作用。而白细胞作为免疫系统的一部分,负责识别并吞噬非正常细胞,如癌细胞等。通常人体血液中各种白细胞稳定维持在一定的含量,因此白细胞含量的失衡往往也预示着人体存在着健康问题。传统血常规检查中白细胞的分类计数及形态学分析依靠的是血液检验专家的人工计数及分析,这是一项效率低且主观性强的工作。因此需要发展血细胞的自动分类计数及形态学分析的研究,其中流式细胞仪是目前白细胞计数中常用的设备。然而流式细胞仪造价昂贵,且不能对白细胞种类进行细分,在临床应用中其存在局限性。近些年来发展起来的利用图像处理及模式识别方法进行白细胞的分类识别及形态学分析的技术逐渐发展起来。利用白细胞图像进行计算机自动分类识别及形态学分析的技术成本低,可以对白细胞的种类进行细分,因此具有广阔的应用前景。目前利用白细胞图像进行计算机自动分类识别的方法有很多,但是大多数的方法都不能在实际应用中展现出优良的性能,精度及鲁棒性都不能令人满意。本文提出了一个完整的白细胞自动分类识别应用框架,旨在实现血细胞图像中白细胞种类的细分及分别计数,为临床诊断提供可靠的依据。本文的核心内容是研究并实现一个完整的白细胞自动分类识别系统。在白细胞自动分类识别系统的研究过程中,由于血细胞图像中白细胞细胞核与细胞质的色彩接近,图片色彩、亮度不统一等导致的白细胞细胞核与细胞质难以精确分割是首要解决的问题。针对这一问题本文提出了两种解决方案,一种是基于色彩空间转换的白细胞分割算法,另一种是基于色彩空间的K均值聚类白细胞分割算法。白细胞分割完成后,本文提出了一种白细胞特征提取方法,用以更好的表示各种白细胞的特征。接着采用了序列前向选择算法对提取的特征进行选择,去除冗余的对分类贡献不大的特征,从而提高了分类精度及分类速度。本文采用SVM分类器对白细胞进行分类,白细胞分类是一个多分类问题,而SVM本质上是一个二分类器,因此本文采用One-Against-All策略,利用SVM实现白细胞的多分类,并对分类结果进行了分析。最后对本文所做的研究工作进行了总结,指出了本系统存在的问题和缺陷,对以后的研究工作做了展望与规划。本文提出了利用血细胞图像,通过图像处理、模式识别的方法进行白细胞分类计数及形态学分析的完整系统,包括血细胞图像中的白细胞分割、特征提取、特征选择及白细胞分类的方法。本文提出的方法,结果相较已有的方法有了一定提高,具有较强分割及分类精度,并且鲁棒性好,可以适应不同的工作环境,在临床上有着广泛的应用前景。