在生物医学工程领域,细胞图像自动识别与分析受到越来越多人的关注。为了提高医学检验效率与检验结果的科学性,人们研究体液细胞图像有形成分的自动识别与分析。随着神经v网络和图像科学的发展,相比于传统的模式识别方法,神经网络图像识别技术具备处理数据量大、处理速度快的特点,广泛应用于经济、生活各个领域。论文主要包括图像采集及预处理、提取图像组合矩和用BP神经网络分类器对细胞图像进行识别这几部分。(1)通过图像采集系统采集到的图像建立图像库,对图像库中的图像进行去噪、分割、特征提取等处理。通过分析体液细胞图像的降质因素和噪声模型,得出结合信息熵噪声点检测的自适应中值滤波算法,并详细阐述了灰度图像的最佳阈值分割算法和利用组合矩进行特征提取的算法。(2)在Hu矩七个不变量基础上构建了具有五个不变量的组合矩,并用这五个矩不变量描述目标特征。(3)采用BP神经网络算法进行细胞识别,介绍了基本的BP神经网络原理。经过与传统模式识别对比后,选择神经网络作为图像分类识别系统分类器。然后利用BP神经网络分类器来分类识别目标图像。算法分为训练和测试两步。在训练阶段,确定了BP神经网络模型,通过提取图像特征来训练BP神经网络的参数。在测试阶段,利用训练得到的神经网络模型和参数来进行识别和分类。最后用本文提出的BP神经网络进行了200幅细胞图像识别的实验。实验结果证明了改进后的算法和之前的算法相比在识别效果上有了一定提高。