对尿液有形成分中所含的特定细胞成分与数量进行判定,是人体泌尿及肾脏疾病诊断的重要依据之一。本研究设计一种基于低维特征条件的尿液有形成分图像红白细胞分割与分类算法,不仅能保证低倍率(20倍目镜系统采集)条件下特定细胞完整的分割提取,同时也一定程度提高了识别准确率。主要工作如下:1.设计了一种结合高斯混合模型和距离矩阵的图像去噪增强方法。算法首先选取了灰度共生矩阵衍生出的均值和统计量作为纹理特征,对尿液有形成分纹理图像建立高斯混合模型,结合邻域像素的相互影响增强图像以降低噪声和弱边缘现象对分割的影响。2.设计了一种基于马尔可夫随机场(Markov Random Field,MRF)的尿液有形成分粘连细胞分割算法。考虑到背景与前景的纹理明显区别,采用纹理分类的思想实现分割的目的。算法将相似权重引入势函数,通过马尔科夫模型对特征图像进行纹理分割,考虑了势团内像素标记信息和纹理信息双层相互作用。利用面积比值法找出粘连细胞的凹点候选集,提出一种凹点聚类找到最佳分割凹点对的思想,从而完成粘连细胞的分割。3.提出了一种拓扑特征向量提取方法,选取了区域数、梯度空间方差、最大区域面积比、周长、面积、连通域数、像素和以及闭合比值组成特征向量,并寻找了特征之间关系建立了支撑特征网络,用于后续分类器的训练。4.设计了HMM、SVM、SVM-HMM以及低维特征组合与常用特征组合识别对比实验。实验分别对300个红白细胞样本测试,结果显示基于改进的低维特征向量SVM-HMM识别方法识别效果相对与HMM、SVM识别较好,红细胞的识别率为95.7%,白细胞的识别率为97.8%,且分组测试识别率的标准差较小,识别效果稳定,有希望进一步应用于临床镜检。