随着模式识别和计算机视觉技术的发展,人们对医学影像方面的自动诊断的要求也越来越高。尿沉渣检查是临床检验和诊断鉴别一项常用方法。但是由于目前临床上主要还是采用人工镜检的方法,所以检查效率较低和误检率较高。目前的尿沉渣测试仪主要还是应用生化技术,数字图像处理技术用于此课题的研究还在尝试中。　　本文展开了对尿沉渣图像自动识别算法的研究。在广泛汲取了国内外在这个领域的已有的研究进展上,根据尿沉渣图像的特点,从图像获取后的预处理、图像分割、特征提取和分类器选择等各个环节,深入讨论了各种算法的可行性以及有效性。最后通过大量图片的实验测试,大量的测试结果表明,本文采用的算法对尿沉渣图像中的四类有形成分具有较高的识别率。　　本文详细的总结了与本课题研究有关的国内外科研成果,从整个算法流程入手,介绍了从图像预处理到最后图像识别的所有流程的算法,主要有以下贡献:　　1.提出了多类型分割和多次分割结合的思想,本文首先采用全局阈值分割和多阈值分割算法相结合实现尿沉渣图像的粗分割,然后用形态学进行后处理,最后用分水岭算法完成二次分割,结果表明此方法相当有效;对于细胞分割的难点—粘连细胞的分割问题,本文首先把粘连细胞从图像中分离开来,避免对非粘连情况作分水岭分割而造成过分割现象,对于粘连细胞再做形态学处理,光滑其边缘,减少过分割现象,测试结果证明也基本达到要求。　　2.针对尿沉渣图像的特点,在特征提取方面做了大量精简,只选取了形状,纹理等部分特征,目的是为了减轻分类器的负担,提高了算法效率,但是实验结果显示分类能力并没有降低;用小波神经网络代替BP神经网络,并对初始权值加以限制,大大提高了网络的稳定性和训练速度。