模式识别技术目前已发展成为一门强大并且有旺盛生命力的学科,该技术目前已被广泛应用于工业、军事、农业、生物医学等各领域,自动完成对不同对象的智能识别,且识别误差率较小,识别时间较短。　　 自体外周血干细胞的电磁辐射净化是人们正在研究的治疗白血病的重要技术之一,然而缺乏对电磁辐射下净化物温度的有效控制导致复发率较高,是该技术研究目前面临的瓶颈问题。为此,本课题小组根据模式识别和图像处理技术,研究和解决因温度控制不当导致白血病治疗复发率较高这一难题。其中如何有效识别不同颜色细胞、不同细胞种类及其正常存活或死亡状态,尤其是如何有效识别在多细胞粘连复杂情况下的细胞类型和状态,是该净化技术首先要解决的关键问题,也是本文研究的主要内容。本文主要完成了以下研究:　　 (1)研究了不同颜色细胞的识别算法,用多阈值分割方法来分割识别不同颜色细胞,对包含不同颜色特征的细胞图像进行了快速分类和识别。测试结果为:识别不同颜色(亮度)细胞的平均精度为95.3％,面积参数识别精度为87.1％,识别细胞平均时间为0.04s(second,秒)。　　 (2)利用改进的阈值分割和八方向边缘表述等算法,有效解决了多细胞复杂粘连情况下的细胞识别问题,提高了细胞识别的精度。实验结果为粘连细胞分离精度为94.3％,形状识别精度为95.6％,识别细胞平均时间为0.04s。　　 (3)基于细胞的类圆心标识算法,利用Sobel修正和特征参数的判断,实现了对白血病细胞存活与死亡的定位和区分。实验结果:死亡细胞的识别精度为96.2％,细胞形状的识别精度为94.6％,识别细胞平均时间为0.05s。　　 (4)对本文完成的细胞识别软件进行测试和验证。首先进行白血病细胞凋亡、染色实验,然后用精度较高的人工方法和本文研发的软件对染色后的细胞图片分别进行识别,通过比较两种识别结果,验证软件识别白血病细胞的精度。实验结果表明:本课题开发的软件对白血病细胞的识别率和人工识别率差别不大,软件识别精度达96.2％,识别平均时间为3s,识别速度远快于人工识别速度。　　 本文完成了一套细胞识别软件的研发。该软件的有效识别功能包括:不同颜色(透光性)细胞图像识别,多细胞粘连分割识别,正常和死亡白血病细胞识别。对该软件进行测试结果表明:软件运行正常、稳定,体现了较强的容错性和鲁棒性。