计算机在医学中的广泛应用及数字图像处理技术与显微技术的紧密结合,产生了现代图像处理的重要分支之一显微医学图像处理。该技术已应用于血球分类、细胞诊断、染色体核型分析和微循环参数检测等医学领域。显微医学图像处理技术有利于提高医学诊断的准确性;特别是模式识别技术与该技术的结合,形成的显微医学图像自动识别技术,更是减轻了医务人员繁重的劳动,为医务人员提供了可靠的诊断依据,大大提高了他们的工作效率。　　 基于图像的寄生虫虫卵识别便是显微医学图像处理技术中的一个重要领域。目前为止,国内外学者对寄生虫病原体的自动识别进行了一定的研究,然而这些研究往往都是基于比较理想化的状态下进行,其实验方法难于胜任实际的检测需要,特别是在杂质较多的情况下,难于获取稳定的识别结果,同时识别效率不高。本文在研究寄生虫虫卵外观形状特征和相关图像处理技术基础上,提出了一种基于边界形状特征的寄生虫虫卵分类识别技术。具体的研究工作主要包括:　　 1.对寄生虫虫卵图像识别的相关研究现状作了分析,对现有的医学图像处理和分类技术进行了综述。　　 2.针对如何将虫卵从待识别图像中分割出来的问题,提出了一种基于模板的边界提取技术,通过判断若干个候选区域图像内边缘空间分布直方图与模板虫卵形状的相似性,来确定该区域内是否含有虫卵,在确定大体位置的基础上利用水平集方法准确的定位虫卵的边界,从而达到将虫卵区域图像从整个图像分割出来的目的。　　 3.针对虫卵分类问题,提出了一种基于傅里叶描述子的形状分类算法,利用区域边界的封闭性和周期性,对获得的虫卵边界进行傅里叶变换归一化处理,然后与模板虫卵图像的归一化傅里叶描述子进行对比,判断该虫卵与模板虫卵边界形状相似度,从而达到分类的目的。　　 实验选取了鞭虫等常见10种寄生虫虫卵图像1125幅(每幅图片像素均为1600*1200),分类识别结果显示:平均识别率达到93%以上,平均识别时间在10s之内,较好的完成了本课题的预期目标和任务。