显微白细胞图像的获取与识别一直以来是医学图像处理的一个重要研究领域。正常人的血液中不同白细胞种类的数量和百分比与有疾病的人是有区别的。在临床上,医务人员通常根据人体液中的白细胞种类的质量和计数来判断人正常或者患有某种疾病。然而繁琐又重复的显微白细胞图像获取与识别耗费了大量的人力物力,采用计算机辅助诊断不仅能保证医疗诊断的客观性和准确率,同时还节省了医务专家人员的时间和精力,具有很好的应用价值和实际意义。本论文针对显微白细胞图像的自动聚焦获取与识别技术展开了深入研究,本文的主要研究内容有:一、提出了一种全自动显微镜下基于平面拟合的八邻域算子自动聚焦算法,通过基于平面拟合的八邻域快速聚焦获算法在显微镜下自动获取白细胞图像。本文根据显微细胞图像的边缘信息改进了边缘检测算子,提出了一种八邻域算子。并从运算复杂度和评价函数的效果等方面与传统聚焦算子做了对比分析,分析结果表明八邻域算子评价函数在显微细胞图像聚焦中的具有单峰性和尖锐性。同时本论文根据血涂片的特点提出了基于平面拟合的聚焦策略,并与人眼视觉做了对比,结果表明本文所提出的聚焦策略拟合度很好。二、提出了一种基于改进的卷积神经网络的显微白细胞图像自动识别方法。本文结合图像去噪技术和K-means颜色聚类分割算法对显微白细胞图像进行了预处理和分割处理,然后简化了基于mnist_uiint8手写字体集的卷积神经网络(LeNet5)结构,并将改进的卷积神经网络用作分类器对显微白细胞图像进行识别。同时本文在MatlabR2014a环境下做了仿真实验,仿真实验结果表明经过改进的卷积神经网络在速度上优于原始的卷积神经网络,而且显微白细胞识别的精度为96%。