寄生虫病分布广泛,给广大劳动人民和免疫力低的儿童带来极大威胁,因此受到世界各国的关注。不同的寄生虫引起的病理变化和临床表现各异,但是当前最可信的诊断方法都是一致的,通过肉眼观察的病原学诊断方法。近年来,图像处理、模式识别等技术飞速发展并被广泛应用于各个领域。以血吸虫为例,本文提出并实现了一种寄生虫视频的自动检测方法,包括以下四个方面的工作:(1)通常情况下,被检测的血吸虫毛蚴样本溶液中含有较多的粪渣、水虫、漂浮物等杂质,使得通过显微镜获取到的视频的背景比较复杂。另外,本文希望做到对毛蚴视频的实时检测,算法复杂度不宜太高。本文通过研究已有的运动目标检测算法,针对复杂背景下毛蚴视频的特点提出了改进措施,将背景差分与帧间差分相结合再加以形态学处理,这样能够准确的获取视频中的运动对象。(2)因当前医务工作者普遍使用的显微镜景深有限,血吸虫毛蚴视频中经常会出现离焦模糊现象,特别是在样本中毛蚴数量较多的情况下,严重影响识别的准确率。针对这种现象,本文第三章对离焦模糊图像复原算法进行了研究。文中介绍了光学系统的扩散函数,总结了传统的离焦模糊图像退化模型,并结合维纳滤波复原、空间域复原和非线性复原等方法对血吸虫毛蚴视频中的离焦模糊图像进行复原。经过反模糊处理后,大大提高了识别的准确率。(3)本文研究了血吸虫毛蚴的二分类问题,其特征提取和分类器设计也是本文的重要研究内容。本文利用边界链码来表示和描述待分类的运动目标连通区域,提取血吸虫毛蚴的几何特征和运动特征作为分类依据。本文研究了SVM分类器的原理和相关参数,并对SVM分类器中高斯核函数的参数和惩罚因子对分类器性能的影响进行了分析,通过对实验结果统计分析,得到了一个可以达到预期目标的分类器。对这个分类器进行样本的学习与测试,获得了良好的效果。(4)最后,本文通过模块化设计,使用VS2015集成开发环境,利用C/C++编程语言,实现了血吸虫毛蚴视频检测系统。利用开发出来的系统,本文对不同背景条件下采集的视频进行了大量的测试,并对实验结果进行统计分析,最终表明该系统能够准确、稳定地实现对血吸虫毛蚴视频的实时检测。目前,该系统已经逐步投入使用。