尿沉渣检查是指利用显微镜或其它分析仪器对尿液中的各种有形成分,如红细胞、白细胞、上皮细胞、管型以及结晶等进行辨析和检查,它对肾脏疾病、泌尿道疾病、循环系统疾病和感染性疾病等有十分重要的诊断和鉴别作用。然而传统人工镜检法存在劳动强度大、缺乏快速、准确定量分析等缺点。借助数字图像处理技术和计算机技术是解决这一问题的好办法。本文对尿沉渣图像的预处理、分割、特征提取以及识别等方面做了一系列的研究。本文的研究内容主要包括以下几个方面:针对尿沉渣图像背景和目标区域对比度低、有形成分中大小细胞具有不同特征以及散焦等特点,首先采用小波变换消除散焦影响,再结合数学形态学方法对图像中有形成分进行定位,粗略分割出有形成分的子图像;然后针对这些尿沉渣子图像,提出基于小波变换图像分割和二维最大熵阈值分割的组合分割方法分别对子图像中的大细胞和小细胞图像进行精细分割,极大的提高了分割的精度。实验结果表明,该方法能够准确有效的实现尿沉渣图像有形成分的分割。在特征提取方面,为了尽可能准确完整而又不冗余的描述尿沉渣有形成分细胞,本文选取了形状、统计以及纹理特征等24个特征参数,为尿沉渣图像的自动识别提供了良好的前提条件。采用支持向量机的机器学习方法进行尿沉渣有形成分的分类识别。选用一对多的方法将传统的两分类问题推广到多分类问题。在设计时,采用两级SVM分类器级联的方式,核函数采用径向基函数,并且用网格搜索法来选取合适的参数。实验结果表明,SVM方法可获得较高的尿沉渣有形成分识别率。