白带常规检查，作为妇科疾病诊断中应用得最广泛的一项检查，现如今在全国各地的医院中已得到普及。大多数医院仍采用人工镜检的方式进行白带常规检查，由于白带显微图像的杂质较多背景复杂，检验科医务人员在高强度长时间地工作下，很容易产生视觉疲劳，导致误检误判。如今，随着数字图像处理与医学检验的结合日益紧密，生物医学图像自动识别和分类技术取得了迅猛的进展。用机器视觉技术分担检验人员一部分的检验任务，甚至完全取代检验人员的工作，已经成为现代医学检验的发展趋势。对白带中的霉菌和滴虫进行识别，并且对白带清洁度智能判定，可以辅助医生对霉菌性阴道炎、滴虫性阴道炎、细菌性阴道炎这三种女性妇科炎症进行诊断。　　本文通过显微镜光学成像系统与自动对焦模块的相互配合，拍摄出清晰的盐水白带显微图像，并结合细胞形态特征学、数字图像处理技术以及人工神经网络的理论知识，完成了对盐水白带中的霉菌和滴虫的识别以及对清洁度进行分类的目标。本文的主要工作如下：　　首先，对盐水白带显微图像进行一系列的图像预处理操作，其中包括图像灰度化、空间域滤波、形态学的基本操作、阈值分割等处理，将前景从背景中提取出来；　　其次，基于细胞形态特征学提取连通区域的特征，对连通区域进行筛选，再通过模板匹配、聚类分析和凹点检测的方法，自动识别出图像中的霉菌，得到识别率为92.9％，漏检率为7.1%，误检率为1.9%的结果；　　然后，利用基于改进的卡尔曼滤波的背景重建算法识别滴虫，可以准确提取滴虫区域，抑制拖影和ghost区域，快速消除误检，可自适应连续或突然的光照变化、镜头距离变化和镜头偏移的影响，50个样本拍500个视野，每个视野连续拍15张图，得到误检率3%，漏检率为5%的结果。　　最后，利用BP人工神经网络对白带清洁度进行判定，使用弹性BP算法训练BP神经网络，对4种清洁度下各250幅盐水白带显微图像进行分类，得到总体分类正确率为94.8%，分类错误率为5.2%的结果。　　实验结果表明本文所研究的算法，较好地满足了对白带的检验需求。通过对国内外数据库进行检索，查阅近20年的文献记载，并未发现对白带显微图像中的霉菌、滴虫有形成分自动识别和对白带清洁度自动判定的内容报道。