尿沉渣图像检验是临床上体检和诊断泌尿系统疾病的重要方法,而传统的检查方式是通过人工显微镜观察实现的。这种方法因存在缺陷而影响诊断结果的准确性,如工作量过大,长期以往容易产生主观性错误等。传统的诊断方法因观察得到的图像无法进行处理或是变换,难以进行远距离传输,不能方便的存取。基于数字图像处理技术的尿成渣图像分析和处理,可以极大地提升尿沉渣图像检验效率,减轻检验人员工作强度,还对医疗信息化、疾病诊断规范化起到推动作用。论文对当前国内外针对尿沉渣图像处理和尿结晶种类识别研究工作进行调研总结之余,在其基础上对尿成渣有形成分进行分割和尿结晶识别分类方法进行研究,提出了一套较完整和有效的图像处理与分类识别方案。论文主要在以下几个方面开展内容研究:1.在图像预处理阶段,通过对不同滤波方法进行比较分析和实验的基础上,选择使用均值滤波进行图像滤波去噪,它相比其它去噪方法在去噪的同时能更好的保护尿沉渣图像中有形成分边界信息,使后续的分割工作更易开展。2.图像能够正确的进行分割是有形成分能否进行精准分析问题的关键所在。在图像分割阶段,根据尿沉渣图像具有背景情况复杂、成分繁杂等特点,在对不同的图像分割方法进行比较和实验的基础上,本文采用在尿沉渣图像分割上表现较好的、基于Prewitt边缘检测算子的分割方法。实验结果表明,基于Prewitt边缘检测算子可以准确的检测出尿沉渣图像有形成分的边缘,将其与形态学处理相结合的分割方法对于尿沉渣图像分割有良好的的效果。3.论文研究将聚类算法思想应用在尿沉渣图像分割上面并提取尿结晶部分,通过尿沉渣有形成分形态不同的特点在原有K均值算法的基础上提出一种改进型K均值算法,通过实验发现,该方法相比原方法在节约计算时间的前提下更能提升聚类效果。4.尿结晶分类识别方面,本文采用基于卷积神经网络的AlexNet框架对尿结晶进行识别分类,通过实验发现,其对于尿结晶的分类识别率较高。论文对尿沉渣图像的分割和尿结晶的分类识别展开研究,在对前人的工作基础上融入了自己的方法和研究思路,形成了一整套针对尿沉渣图像分割和尿结晶分类识别的方法。