红细胞分类计数是医学临床检验的一个重要项目,也是判断各种血液疾病和其他相关疾病的重要依据。随着计算机图像处理与分析在医学领域的应用越来越广泛,应用先进的图像处理技术和模式识别的方法检查血细胞总数及血细胞分类计数成为医学辅助诊断的一种重要方法。它能有效减少主观干扰,部分代替人的劳动,改进使用血细胞自动分析仪存在的不能用目视观察细胞形态,不能够保留每次测试样本,成本昂贵等问题,提供了一条医学诊断的技术途径。本课题研究运用图像处理和模式识别技术实现不同形态红细胞的分类,以提高红细胞检验的准确度和精密度;研究了包括图像预处理、特征提取与分类识别等一整套基本算法;重点研究了红细胞的图像分割和特征提取,并将特征选择子集的结果用于红细胞的分类,取得了较好的结果。1.在图像分割研究方面,通过对阈值分割、边缘检测、流域分割等分割方法的研究,提出了一种重叠粘连细胞的新的分割方法。该算法实现简单,效果理想,能较好地还原单个细胞的原始形状。2.借鉴细胞医学目视分类的经验,借鉴在图像特征提取方面已有的研究成果,提取了对细胞的形状、大小等定量描述的细胞形态学参数;通过实验研究,增加了红细胞纹理特征的提取,构建了有效的特征集合。此外,还改进了圆形度的表达式以提高分类准确率。3.研究和设计了多级支持向量机分类器对12类红细胞进行识别,能够在少量样本的情况下,得到较好的分类预测结果。本课题是图像处理和模式识别在医学领域的一个应用性研究,本研究结果具有理论价值和实际应用意义。