研究白细胞图像分类识别中有效的图像去噪、分割与特征提取方法,以提高白细胞图像的正确识别率。在图像去噪过程中采用了中值滤波与小波变换相结合的联合去噪方法,对白细胞图像中的椒盐噪声和高斯噪声起到很好的抑制作用；由于某些白细胞(粒细胞)中颗粒的存在,严重影响细胞核与细胞质区域的正确分割,研究通过将空间信息与核函数融入模糊C-均值聚类(FCM)算法,提出了一种改进的FCM算法。应用该算法对白细胞图像进行分割,并采用数学形态学方法对分割后的图像进行处理,获得了很好的分割效果,解决了粒细胞的质核分割难题。对于细胞的纹理特征提取,通过对局部二值模式(LBP)中阈值参数的模糊化,建立了基于局部模糊模式(LFP)的纹理特征提取算法。运用上述方法进行图像分割和纹理提取,以支持向量机作为分类器,对CellAtlas的100幅白细胞图像进行了分类识别的实验,结果表明白细胞的正确识别率达到93%。