尿检测是医院常规检测项目，对临床泌尿系统普查、检测和诊断具有重要意义。为了提高显微镜图像检测的自动化程度及降低染色的成本，结合了尿沉渣图像的特点，利用数字图像处理与模式识别技术研究了尿沉渣图像中高低倍显微镜下有形成分的分割与识别，提出了一套完整有效的分割与识别算法。在图像预处理部分，对采集到的各种图像进行了质量评价，并对评价较好的图像用高斯平滑滤波和拉普拉斯锐化增强；在图像分割部分，首先对尿沉渣高低倍显微图像进行了特征分析，然后分别对这两种情况采用了不同的分割方法。低倍镜下的图像主要采用了改进的Sobel边缘检测和P分位二值化，同时与增强后的二值图像进行并运算，得到完整的细胞轮廓。高倍镜下使用了改进的Renyi熵自适应阈值分割，并对粘连细胞使用了基于最小化能量函数的最优分割点判定和基于Dijkstra方法的最优路径判定；在特征分析部分，分别从形状、统计以及纹理特征三方面提取了15类特征，采用特征选取模型进行特征集选取评价，并对特征集进行了有效性测试实验；在分类器设计部分，分别采用了决策树和SVM的分类器设计方法，对比两种实验结果后将两种方法结合。首先使用决策树将两类放大倍数分开，然后对高倍镜下的红白细胞进行一对多的SVM分类，对低倍镜下的管型和上皮细胞进行决策树分类。比较结合后的实验结果，红白细胞的识别率提高，管型和上皮细胞的识别了也达到了95%以上的医用水平。