显微镜细胞图像自动分类识别是生物医学的热点研究内容之一。镜检体液中有形成分检测是医学临床检验的重点，因此，镜检体液细胞图像自动识别与分析的实现不仅可以提高医学检测的速率，而且可以降低医学检测的主观干扰，使镜检技术更加科学可靠。论文结合计算机图像处理和模式识别技术实现了显微镜细胞图像的形状、颜色、纹理特征提取、特征选择和目标分类识别功能，研究技术在临床检验仪器中得到应用。在形状特征提取方面，通过对显微镜细胞图片的分析，建立了各类细胞图像的形状语义模型，结合语义模型实现了图片中各类细胞形状特征的提取与建模。提出了一种融合归一化空间距离分布的不变矩特征提取算法，通过运用椭球空间分布结构图对细胞图像进行归一化处理，再结合Hu不变矩特征描述子得到了一种平移、缩放、旋转不变的鲁棒性不变矩特征，且实现了更好的分类效果。在颜色和纹理特征提取方面，建立了各类细胞图像的颜色纹理语义模型，实现了颜色纹理特征提取与建模。提出了一种自适应概率滑动窗直方图特征提取算法，它首先将区域灰度均值作为滑动窗中心值，然后找出直方图中最大值和最小值构造自适应阈值，窗口根据阈值自适应滑动；算法不仅提取了分类理想的颜色特征，而且得到了理想的图像灰度拉伸效果，加大了各类细胞纹理特征可分性。论文提出了融合网格均值加权和空间信息的多重分形维数特征提取算法，有效提取了细胞的纹理特征，算法既反映了细胞的强度信息又改善了多重分形维数随细胞面积影响的；进一步针对特征鲁棒性的改进，提出了一种融合椭球面空间结构的多重分形维数特征提取算法，实现了具有几何不变性的纹理特征提取。在特征选择与建模方面，提出了一种结合均值-方差模式鉴别函数的PCA特征选择算法，算法通过K-L变换得到正交的特征空间，再将原始特征空间投影到正交特征空间中，采用均值-方差函数按照分类能力由大到小选择特征矢量，有效压缩了特征空间，加快了系统运行速度。在目标分类识别方面，给出了显微镜细胞图像识别系统总体设计框图，并结合763实验平台进行了仿真与实现。