我国人口众多，医疗手段和诊断水平的高低直接关系到我国十几亿人口的切身利益，提高我国的医疗水平势在必行。尿液分析是目前医院临床检验中常规检测项目之一，它包括尿液的物理检查、化学分析和尿沉渣分析。其中尿沉渣分析是对尿液有形成分的检查和识别，包括尿液中的红细胞、白细胞、草酸钙结晶、脂肪球、细菌等各种有形成分，通过分析它们在尿液中的含量能辅助对泌尿系统疾病做出诊断，它对肾脏疾病、泌尿道疾病、循环系统疾病以及感染性疾病的诊断治疗具有十分重要的作用。日前在尿沉渣计数检查方面，国内的大部分医院仍处于人工识别阶段，应用传统手工显微镜法进行尿沉渣检查，不仅工作强度大、而且人为误差率较高，定量检测更无从谈起，甚至有时一些医生缺乏临床经验和专业知识，诊断水平不够理想，直接影响着病人病情的诊断和治疗。因此，改善临床诊断的方法，提高临床诊断的准确率就显得十分重要和迫切。 利用计算机技术对临床上尿沉渣图像进行自动分析，将极大提高其临床鉴别的准确性，同时也显著降低临床检验人员的劳动强度。本文以数字图像处理技术和模式识别技术为基础，应用计算机软件实现对细胞的自动识别与分类，通过对尿沉渣图像的预处理、分割、特征提取，BP人工神经网络的设计，取得了对红细胞、白细胞、草酸钙结晶的识别分类，并完成了定量的分析。论文主体内容简介如下： (1)图像的预处理及分割。本文应用了图像预处理知识着重在图像二值化，边缘检测等方面进行了分析，应用了sober算子及二值化理论完成了对图像的分割。在整张的尿沉渣图像中分割出待识别的目标体。 (2)图像的特征选择和提取。特征选择和提取的基本任务是如何从许多特征中找出那些最有效的特征。这一任务是在分类器设计之前进行，为分类器提供数据基础，故该任务完成的好坏直接关系后续分类器的设计。本文选取了一些几何特征、统计特征、经快速傅里叶变换(FFT)后的一些频域特征以及其他一些重要特征，实验证明这些特征是典型的，有效的。 (3)BP人工神经网络分类器的设计。分类器的设计是模式识别中关键性问题。人工神经网络具有类似人的学习、归纳与分类的能力以及良好的容错性和泛化能力。本文采用BP人工神经网络制作分类器，采用有监督的学习方法，通过用大量的训练对对分类器进行训练，使之误差不断减小。 (4)仿真与实验。在理论研究的基础上，本文采用VC++6.0完成仿真与实验，实现的功能简介如下：a.设计出尿沉渣细胞识别的测试平台及友好的界面显示；b.实现对BMP位图的读取、显示和存储以及实验数据的读写或存储；d.设计了BP人工神经网络分类器设计的训练及分类仿真平台，该平台为友好的人机交互界面，在人工神经网络训练时可以灵活调整神经元数及隐层层数，同时可以观察误差变化情况。