白细胞的分类识别是血液检验的一项重要内容,对疾病的诊断以及血液成分的研究都具有重要的意义。细胞识别技术逐步由人工分类、仪器和软件自动识别细胞的方向发展。在识别软件的开发中,散点图、直方图等被广泛的应用到其中,然而由这些图形或图像得到的参数往往是间接的反映细胞的物理和化学特性;因而,直接对细胞拍照并对图像进行分析以期得到其特征参数,例如形态、纹理特征等,这既有利于给研究者或医生一个直观的概念,又可能提高识别的精度。影像流式细胞技术(IFCM)是当一种崭新的颗粒识别技术,其具有快速、精确的特点,可望在再不久的将来在血液学分析中获得广泛应用。本文试图对利用影像流式细胞技术得到的细胞图像进行了分析,以实现对细胞的快速、准确地分类识别的目的。由于图像在拾取和传输过程中容易受CCD等硬件设备和环境的影响而产生噪点,本文首先利用小波变换结合逐点噪声方差法对采集到的细胞图像进行去噪处理;然后在精确分析了细胞图像特点的基础上对去噪后的图像进行HSV变换,并在HSV颜色空间利用二元最大类间方差法(OSTU2)进行分割,并结合模糊C均值法(FCM)以提高分割速度;得到感兴趣的细胞区域后,进行了特征提取和选择,并在特征选择过程中采用了满意特征提取的方案,达到了特征提取的时间代价和特征信息量的折衷;最后分析了人工神经网络和支持向量机(SVM)对提取到的满意特征向量分类的结果。对从网上汇集的180幅三种主要白细胞(嗜中、单核、淋巴)的初步实验表明,本文所采用的识别过程有效的提高了识别速度并兼顾了识别精度,采用神经网络方法,识别率可达80%-90%;采用支持向量机,识别率基本可达90%以上。