尿液有形成分分析是临床病理分析的重要依据,已经成为医学研究讨论的重要课题。但采用人工对尿液有形成分图像进行分析时,由于其成分复杂,且每日尿检需求量巨大,人工分析已难以满足要求。随着基于影像的尿液有形成分分析仪的出现,该问题得以缓解。该仪器的核心算法为尿液有形成分的图像处理技术和模式识别技术,图像处理技术主要将原始图像信息转化为分类器可以使用的特征信息,模式识别技术主要对特征信息进行分类识别,最终实现尿液有形成分自动分析。本文针对此核心技术,提出了一种基于SVM的尿液有形成分分析算法。该算法先采用高斯低通滤波对原始显微镜图像进行预处理,再使用基于形态学的单细胞图像定位算法,剪切得到单细胞图像。在对单细胞图像分割时,本文提出了一种基于非局部活动轮廓模型的单细胞分割算法,该分割算法将图像中像素分成匹配的小块,并根据能量函数和约束项,使用变分法,对单细胞图像进行分割,得到完整的细胞轮廓。在完成单细胞图像分割后,对分割得到的细胞区域,提取其几何特征、灰度特征和基于Gabor小波的纹理特征。最后将上述特征输入到训练好的支持向量机中,进行尿液有形成分的识别和分析。本文检测识别的尿液有形成分主要为:BACT细菌、NSE非鳞状上皮、白细胞和红细胞。实验结果表明,本文提出的算法能较好地识别出上述4类有形成分,测试数据准确率达到了81.25%。本文所做的主要工作有:1、提出了一种基于形态学的单细胞图像定位算法,主要用于将显微镜图像中多个细胞剪切成一个个独立的单细胞图像,用于单细胞分割;2、提出了一种基于非局部活动轮廓模型的单细胞分割算法,主要将单细胞图像分割得到完整的细胞区域;3、通过对完整的单细胞区域图像进行特征提取,提出了一种基于SVM的尿液有形成分分析算法。