尿沉渣显微镜检查是临床检验和诊断鉴别的重要方法,采用人工镜检的传统方式存在劳动强度大,容易引入误差等缺点,而且所看到的图像无法变换、处理,难以远距离传输,也不能进行快速、准确的定量分析,不能方便的存取,而基于计算机系统的尿沉渣图像分析和处理,能极大地提高临床检验的效率,降低临床的劳动强度外,而且还对医院的信息化、疾病诊断判别的标准化提供有益的帮助。本文的主要任务就是利用数字图像处理技术对尿沉渣有形成分的自动识别算法进行研究。本论文主要包括以下几方面的内容:在分割方面,根据尿沉渣显微图像对象多、背景复杂等特点,在对图像分割方法进行分析、比较的基础上,选择了对尿沉渣有形成分的分割较好的、基于Canny算子的尿沉渣图像分割方法,针对Canny算子检测尿沉渣图像的过程中存在双阈值的选取不能自适应、检测出的边缘不闭合等不足,本文对Canny算法进行了改进,先对经过非最大值抑制后得到的候选边缘点用一个小的结构元素进行一次形态学膨胀,为提取闭合的边缘打下基础,然后提出了利用梯度图像的最高梯度来确定高阈值和利用梯度图像的局部梯度信息来确定低阈值的方法,该双阈值的选取方法自适应性强。实验结果表明,改进的Canny算子能够自动地分割尿沉渣图像,分割精度高,抗噪声干扰性强。由于分割出来的二值图像往往会存在有形成分粘连的情况,会影响尿沉渣有形成分的特征提取与识别,本文采用基于链码差的方法来分割粘连细胞,实验表明该方法取得了很好的效果。在特征提取方面,为了尽可能完整地描述物体,本文在九个形态学参数和统计参数对尿沉渣有形成分进行特征描述的基础上,从纹理学方面提取出能量、倒差、熵、惯量、绝对值五个参数,为尿沉渣有形成分自动识别奠定了良好的基础。在识别方面,本文采用BP人工神经网络的方法对尿沉渣有形成分进行识别,识别率较高。