1.一种细胞图像自动分类方法，利用图像记录系统对细胞样品进行记录，所述图像记录系统包括：激光器、第一半波片、偏振分束镜、第一反射镜、第一扩束准直镜、透明细胞物体、第一显微物镜MO1、合束镜、CCD、第二半波片、第二扩束准直镜、第二反射镜、电致变焦透镜以及计算机；激光器发出的光束经偏振分束镜后分为第一光束和第二光束，第一光束经第一反射镜后进入第一扩束准直镜后形成平行光照射透明细胞物体形成物光波，该物光波透过第一显微物镜后经合束镜后到达CCD靶面；经偏振分束镜后的第二光束经第二扩束准直镜形成平面光波，所述平面光波经过第二反射镜进入电致变焦透镜形成参考光波，所述参考光波经合束镜后到达CCD靶面与物光波形成干涉图；所述CCD记录的干涉图传送到计算机并保存；其特征在于：第一显微物镜的焦点到CCD靶面的距离等于电致变焦透镜的焦点到CCD靶面的距离；且所述计算机可以自动控制合束镜的转动，以获得最佳干涉图样，所述干涉图样经重建后能够获得的再现像中原始像、共轭像以及零级衍射项刚好分离；其特征在于：所述细胞图像自动分类方法包括以下步骤：

1)、数字图像的记录和重现：利用所述的图像记录系统对细胞样品进行记录，然后利用傅里叶变换重建算法获得细胞位相图像；

2)、图像预处理：(1)根据阈值分割方法，对上述细胞位相图像进行边界分割，并令边界之外的位相值为零；(2)对上述细胞位相图像进行裁剪，以减小计算量，并降低噪声影响，裁剪后的图像大小以能够显示一个完整的细胞为宜；(3)对图像灰度作归一化处理，以降低不同图像之间亮度和对比度的变化；其中，依据下面的公式进行图像归一化处理：其中，Ip,normal表示归一化的图像强度，Imax,i和Imin,i分别表示图像中最大和最小强度，Ip表示原图像强度分布；

3)、特征参数的提取：根据要提取的细胞特征进行细胞初步分类，所述细胞特征为细胞大小、细胞形状、细胞核大小及边缘特征；

4)、利用前向反馈神经网络构建分类器：(1)将经图像预处理后的细胞位相图像作为输入图像，所述输入图像为训练样本集；(2)利用MATLAB中的工具箱对训练样本集进行两层两类分类的神经网络分类训练，直至误差达到要求；所述前向反馈神经网络的结构如下：a)输入层为p×p层，其中p表示裁剪后的细胞图像行数；

b)隐含层为单层；

c)网络的输出函数为：Y＝f{g(XW1+b1)W2+b2}其中，X是输入矩阵，Y是输出矩阵，W1是隐含层权重矩阵，b1是隐含层偏置矩阵，W2是输出层权重矩阵，b2是输出层偏置矩阵， 是隐含层激活函数，f(x)＝x是输出层激活函数；所述前向反馈神经网络的性能由三个参数表征，所述三个参数为：均方误差、混淆矩阵以及回归曲线。