白血病是一种目前致病机理尚不明确的血液类疾病,严重危害患者生命健康。随着计算机软硬件技术的不断发展和创新,图像处理以及模式识别等先进技术已经被广泛应用于医疗机构,并为临床诊断提供了更具有科学性和标准化的依据。运用计算机模式识别技术识别血细胞图像,是医学图像领域应用的一个重要研究课题,在血细胞识别过程中,细胞的特征选择是至关重要的一环。本文基于某医学院提供的彩色白血病显微图像,对经过图像预处理和分割的细胞图片的特征进行全面的分析和选择。本文做的主要工作如下：首先,在临床医学鉴定区分白血病细胞的基础上,总结出各类白血病细胞临床医学特征,提出较全面的白血病细胞的可区分特征。其次,依据白血病细胞的可区分特征,对白血病细胞进行特征分析。全面的选取了白血病细胞的形态特征、颜色特征和纹理特征三大类共35特征,并指出各类特征的意义。然后用BP神经网络来验证所选取特征的有效性,取得较好的识别效果。最后,由于白血病细胞的特征数目很多,考虑到对分类的贡献大小,对所得到的特征进行选择降维。提出一种改进的ReliefF算法,该算法在样本选择时能均匀的覆盖所有的原始样本集,同时用同类最远样本取代近邻样本,能使可区分性好的特征权重得到累加。由于ReliefF算法不能除去冗余,而Mitra算法对剔除冗余特征的效果十分显著,提出一种基于改进ReliefF算法和Mitra算法相结合的组合特征选择算法,先用改进的ReliefF算法对特征集进行选取,然后用Mitra算法剔除其冗余,从而得到比较理想的特征集。最后通过使用BP神经网络进行分类识别验证了以上方法的有效性。