近年来,计算机及其相关技术的迅速发展及图形图像技术的日渐成熟,开创了数字图像处理的新时代,该技术也逐步渗入到医学领域中。借助计算机图像图形学、虚拟现实和计算机网络与技术的医学处理与分析,一直是国内外研究与应用的热点,其中医学图像处理是近三十年来发展起来的新兴技术,而血液细胞图像自动识别则是运用计算机处理医学显微图像并识别对象物的代表性课题之一。本文针对彩色血液细胞显微图像,研究了如何运用计算机图像处理和识别技术实现其自动分析,主要内容包括:①研究了血液细胞显微图像的处理方法,采用了图像处理中的灰度拉伸、均值滤波,数学形态学的开闭运算等对图像进行预处理。对图像使用水平和竖直方向的中值滤波,使用较大的尺度,尽量的消除噪声影响。②在预处理图像上、运用阈值分割、种子点区域增长、轮廓跟踪、边缘提取等分割方法实现图像的分割,讨论并比较了各种方法的优缺点。特别地,在两个方向分别采用阈值限制以及局部最大值的方法来检验边界,同时融合了像素颜色信息和空间形状特征,综合利用了阈值方法和种子点区域生长方法,对细胞进行分割。③在细胞图像分割的基础上,分析了红细胞、白细胞图像的特征描述,抽取了能较全面反映血液细胞的几何形态特征和颜色特征。④研究了图像识别理论中的决策树分类方法、支持向量机、人工神经网络识别法等处理方法,并分析了每种方法的特点和适用性。最后实验选定了前向神经网络中的BP神经网络,并利用Matlab神经网络工具箱来进行实验。实验中采用三种不同的学习算法:动量梯度下降算法,L-M(Levenberg-Marquardt)优化算法,贝叶斯正则化算法来训练网络,比较和分析了不同算法训练的实验结果。实验表明,采用BP神经网络中的L-M算法收敛速度快,分类识别正确率相对较高。