众所周知,血液中各类白细胞的数量和百分比对于医学疾病诊断具有很大参考价值,因此研究白细胞的分类计数具有重要的应用价值.由于同类白细胞形态变化大,使得白细胞分类技术成为一项极具挑战性的任务.鉴于此,本文针对白细胞的分类问题展开深入地研究和讨论,提出了基于定位的白细胞分割算法,基于分层方法的白细胞五分类算法和基于卷积神经网络的白细胞五分类算法.具体研究内容概括如下:1.针对传统的阈值分割算法Ostu的分割局限性,即当直方图的波峰波谷不明显时,信噪比较低时,图像分割效果相对较差的问题,结合白细胞在背景图片中的特性,提出了一种基于定位的分割算法.该算法首先利用细胞核的信息及形态学操作对白细胞进行定位,标出白细胞所在的大致区域,其次在该区域运用Ostu算法分割细胞核,减少图片背景中其他因素对分割带来的干扰.最后利用定位信息代替Grabcut算法所需的人工交互对细胞质进行分割.实验表明,本算法在CellaVison数据库上有较好的分割效果.2.针对五类白细胞分类问题,在已分割好的细胞图片基础上结合五类白细胞的具体特征,提出基于分层思想的分类算法.该算法首先提取白细胞中细胞核的分叶特征和圆形度特征,对该类特征明显的细胞先进行筛选;而对该类特征不明显的细胞,提取对偶旋转不变共生局部二进制(PRICoLBP)纹理特征作为判定标准,将它们分为颗粒细胞与无颗粒细胞;然后对颗粒细胞,利用PRICoLBP纹理特征区分出嗜碱性粒细胞、嗜酸性粒细胞和中性粒细胞;而对无颗粒细胞,则用圆度核质比区分出淋巴细胞和单核细胞.实验表明,本文所提的方法比已有的分层方法在总体识别率上提高了十几个百分点,并且各类细胞的分类精度都有所提高.3.针对显微镜图片,基于检测和深度学习原理提出一套白细胞自动检测和分类算法.该算法首先利用简单的颜色信息以及形态学操作将白细胞从显微镜图片中分离出来.其次利用颗粒特征(PRICoLBP纹理特征)以及支持向量机区分颗粒细胞(嗜酸性粒细胞和嗜碱性粒细胞)与非颗粒细胞.最后利用卷积神经网络自动提取一些特征并利用随机森林区分剩余的三类白细胞:中性粒细胞、单核细胞和淋巴细胞.CellaVision数据库及ALL-IDB数据库上的实验测试表明我们所提算法用更少的时间达到了较高的检测率及识别率.