全自动尿沉渣分析仪是实现尿沉渣自动检测的有效手段,其识别率的高低、速度的快慢对于提高尿沉渣自动检测的效率非常重要。本文展开了对尿沉渣图像自动识别算法的研究。著者在从事“尿沉渣图像自动识别算法的研究”课题的研究中,广泛吸取了国内外已有的有益成果,根据尿沉渣图像特点从图像增强、图像分割、特征提取和特征选择、图像识别等各个环节寻求最佳的可行方法以提高识别的性能,提出了基于组合图像分割算法、改进的特征提取和特征选择算法以及BP神经网络分类器的尿沉渣图像自动识别算法。文末基于MATLAB平台对多幅尿沉渣图片进行了识别测试实验,测试统计结果表明,该算法可对尿沉渣图片中的四类有形成分以及杂质进行识别,对四类有形成分的识别准确率均较高,尤其是实现了对管型和上皮细胞的高准确率的识别。在识别的研究中,著者用算法分析和测试实验证明了该算法的可行性和有效性,完成了尿沉渣图像自动识别算法的研究课题。归纳起来,论文的主要贡献有:1)提出了尿沉渣图像二次组合分割算法。该算法采用小波变换结合形态学处理实现对尿沉渣图像成分的粗分割,有效降低散焦成分对分割的影响;根据粗分割得到的子图情况,自适应的采用改进的自适应阈值分割结合形态学处理或canny边缘检测结合形态学处理来对图像成分进行精细分割,获得满意的分割效果;该算法还采用了剥离算法处理粘连交叠严重的细胞成分的分割问题,从而增强了该算法的普适性。2)提出了尿沉渣图像二次自适应阈值分割算法。该算法采用了小波变换结合形态学处理实现对尿沉渣图像成分的粗分割,有效降低散焦成分对分割的影响;针对粗分割获得的子图,可获得相应的小波变换子图,对其进行自适应阈值处理和形态学处理获得二次分割效果。该算法具有速度快的优点,对一般不太复杂的尿沉渣图像能获得满意的分割效果。该算法也可以采用剥离算法来增强处理粘连交叠严重的细胞分割问题的能力,从而增强该算法的普适性。3)针对特征选择问题,提出了改进遗传算法的特征选择算法。该算法采用了分层分类的思想,简化了尿沉渣特征选择问题;将普通遗传算法与双向法进行结合,实现了基因逐步锁定技术,增强了遗传算法搜索最佳特征子集的性能;引入了小生境技术,保持了遗传种群的多样性,防止陷入局部最优解;引入特征子空间划分方法,优化了初始种群;采用了自适应变异算子,提高了遗传算法局部搜索最佳特征子集的能力;引入了多评价准则,提高了选择得到的最佳特征子集的稳定性和分类能力。本文结构如下:第一章绪论中论述本课题的意义、目的以及国内外相关的研究现状;第二章论述尿沉渣图像增强算法的研究,包括相关理论分析,实验及结果分析,以及算法的实现;第三章论述了尿沉渣图像分割算法的研究,包括相关理论分析,算法研究与实现以及相关的实验结果和分析;第四章论述了尿沉渣图像成分的特征提取方法的研究,包括相关特征提取方法,方法的选择以及相关的实验结果和分析;第五章论述了尿沉渣图像特征选择算法的研究,包括相关理论分析,算法分析与实现以及相关的实验结果和分析。第六章论述了尿沉渣图像BP神经网络分类器的研究,包括相关理论分析,分类器设计以及实验结果和分析。第七章为结论,论述了本文所做的主要研究工作以及今后进一步研究方向。