尿沉渣中的有形成分形状结构复杂,种类繁多,同时尿沉渣图像还存在着聚焦不清、光照不均、模糊、背景复杂等问题,容易造成尿沉渣图像上的有形成分呈现出不同的形状和纹理,因此很难快速、准确的获取能反映这些不同形状不同纹理性质的特征。同时尿沉渣中还存在着许多非典型的有形成分如各种杂质、细胞碎片等,如果不加以处理,往往会对正常有形成分的识别造成干扰。这些问题都增加了尿沉渣自动识别的难度,影响着识别的准确率。本文从理论和实践两方面研究了尿沉渣有形成分的识别,并利用数字图像处理与模式识别技术,提出了有效的尿沉渣有形成分的识别算法。首先,为了更好的提取特征,本文对尿沉渣有形成分的图像采用Canny算子提取边缘,再结合形态学操作的方法进行了二值化。并根据尿沉渣图像模糊、光照不均易造成提取边缘不完整的情况,提出了计算图像梯度的标准差,并根据得到的标准差的值来动态的调整Canny算子的阈值的算法,从而使得对于不同质量的尿沉渣图像,该算法都能得到较为完整的二值图。在特征提取方面,分别提取了尿沉渣有形成分的形状特征和纹理特征。其中,形态特征包括面积、周长、圆度、占空比、最小外接矩形长宽比等特征。特别针对霉菌发芽成团状的特点,提出了先进行霉菌的凹陷检测,以对单个的霉菌个体进行切分,再结合椭圆拟合的方法来描述其形态特征。在纹理特征方面,提出了基于距离变换的Local Jet纹理特征,该特征首先使用3阶微分的Local Jet纹理特征得到图像在不同尺度下的不同强度的纹理描述,然后依据距离的大小分层次的统计这些纹理特征。所提取的特征具有抗旋转、抗平移和适当尺度的缩放的优良特性,并且能避免背景信息的干扰,同时还将纹理信息在图中的位置分布情况统计在内,有效的描述了有形成分的纹理。实验结果表明该特征能够对尿沉渣有形成分进行有效的识别,特别是能很好地识别杂质这种非典型有形成分,从而能排除其对典型有形成分的识别干扰。在分类器上,采用了支持向量机(SVM)作为纹理特征的分类器,并根据不同的尿沉渣有形成分的特点,利用决策树将提取的纹理和形态特征有效结合起来,最后对红细胞、白细胞、上皮、粘液丝、霉菌以及杂质这6类有形成分进行了有效的识别。