计算机图像处理与分析在医学领域的应用越来越广泛。应用先进的图像处理技术和模式识别的方法检查白细胞总数及白细胞分类计数是医学辅助诊断的一种重要方法。它能有效地减少主观干扰,部分代替人的劳动,减轻医生负担,并且大大提高诊断效率。本文主要针对外周血涂片白细胞自动分类的基础方法进行研究,对真彩色白细胞图像从理论的角度,阐述了包括图像预处理、特征提取与特征选择、分类识别等一整套基本算法,重点研究了白细胞的特征提取和特征选择,并将特征选择子集的结果用于白细胞的分类,取得了令人满意的结果。借鉴细胞目视分类的经验,结合前人在特征提取方面的工作,在单个细胞图像分割的基础上,首先提取了对细胞的形状、大小、细胞核的瓣数等定量描述的细胞形态学参数;随后提取出白细胞的色度特征主要是基于区域颜色的统计信息;最后在白细胞纹理特征提取上采用多种算法,并将离散小波变换以及一种有效的纹理描述子——局部二进模式应用到白细胞的纹理特征形成上,组成了有效的特征集合。针对各类参数算法复杂度不同,白细胞的特征选择问题采用了分步选择的策略,筛选出最佳特征参数。首先,采用遗传算法对白细胞的纹理特征进行选择;然后对降维后的整个综合特征空间采用禁忌搜索算法进行二次选择,进一步组成了对分类有效的特征子集空间,并将我们的方法与其它一些特征选择算法性能做了对比。最后本文设计了几种神经网络的分类器模型对白细胞进行识别,能够在少量样本的情况下,得到较好的分类结果。