生物医学图像处理是一门新兴技术,是图像处理研究领域的一个重要方向,随着生物科学技术的发展,生物医学图像处理的应用也越来越广泛。尿沉渣显微镜检验是临床检验的一项重要手段,传统的光学显微镜观察是单人目视,这种方式的工作强度大,主观性强,而且主要集中于有形成分的定性检查,不利于临床的定量诊断。利用计算机系统进行尿沉渣显微图像的处理和分析,极大的提高临床检验的效率,降低临床检验人员的劳动强度外,同时对医院的信息化、疾病诊断判别的标准化提供了有益的帮助,也给医疗资源共享、远程会诊提供了便利。本文在总结当前国内外尿沉渣图像处理与成分识别研究发展的基础上,从理论和实践两方面,对尿沉渣图像的增强、分割、特征提取和分类器设计等方面进行了一系列的研究,提出了一套完整有效的图像处理和成分识别的方案。为了能够对尿沉渣有形成分进行准确的数据分析,关键取决于能否对图像进行正确的分割。在图像预处理阶段经对比实验发现,自适应wiener滤波比中值滤波能够更好的保存有形成分的边界信息,有利于后续分割处理。针对尿沉渣有形成分自身特点,对传统的分割算法进行了改进。高倍镜下的图像采用基于Canny边缘检测算子的分割方法,可以成功的将红细胞、白细胞和结晶分割出来;低倍镜下的图像采用基于二维OTSU自适应分割方法,可以成功的将上皮细胞和管型分割出来。为了提高尿沉渣有形成分的识别率,首先建立三层BP神经网络用于成分识别,并在此基础上引入了模糊推理系统。将专家识别的经验融入到模糊推理系统中的“if-then”规则之中,建立了多规则、多输入的Mamdani型模糊推理系统。实验将Mamdani型模糊推理系统用于白细胞和上皮细胞的分类识别中,取得了理想的效果。结果证明,模糊推理系统能够克服神经网络对不规则有形成分识别率低的缺点。两种分类器有机的结合,能够大大提高系统对尿沉渣有形成分的识别率和准确率。