乳房炎是奶牛养殖过程中造成减产的一种多发疾病,医学上利用牛乳体细胞中巨噬细胞、中性粒细胞、淋巴细胞和上皮细胞的类别数目进行分析,以此判断奶牛乳房的健康状况。为了提供新的奶牛乳房炎诊断技术,提高牛乳体细胞分类效率,本文利用图像处理相关技术开展了以下几项工作:(1)利用多种预处理方法对牛乳体细胞图像进行处理,增强图像显示效果,降低图像关键信息的获取难度。(2)提出了基于CNN的牛乳体细胞识别算法。卷积神经网络(CNN)具备图像深层次信息的提取能力,并且摒弃了传统算法中人工提取特征的过程,逐渐成为图像处理与识别领域的研究焦点。本文构建了一个针对牛乳体细胞图像特点的浅层CNN网络,利用图像增强获得的扩充图像库完成模型的训练。经过实验对比,该卷积神经网络模型能够有效地识别牛乳体细胞种类,为后续分类方法的研究提供新思路。(3)提出了基于LVF与RF降维的纹理特征融合的牛乳体细胞识别算法。针对梯度方向直方图(HOG)和局部二值模式(LBP)的局限性,利用低方差滤波(LVF)和随机森林(RF)分别对HOG和LBP提取的纹理特征进行降维并融合,使用BP神经网络(BPNN)进行分类。实验结果表明本文所提降维融合方法可行,纹理特征适用于牛乳体细胞的识别分类。(4)提出了基于二分模型的牛乳体细胞识别算法,构建了树形结构的三层二分模型。首先提取4类细胞的形态特征,并利用RFFS算法选择了其中的3类特征,结合BPNN构建模型的前两层;然后根据巨噬细胞和上皮细胞难以通过形态特征分类的特点,模型第三层分别利用纹理特征和浅层CNN网络进行构建。实验证明,树形结构的二分模型识别效果理想。