赤潮是世界近海三大污染问题之一,给人类社会造成了巨大的危害,引起全世界范围的广泛关注和研究。近年来我国近海区域赤潮爆发的数量和灾害程度逐年加大,每年都造成高达数十亿的经济损失,并威胁人类的生命安全,引起我国社会各界的广泛关注。国家每年投入大量人力物力展开赤潮爆发机制、预警和防治工作的研究。其中加强对赤潮灾害的预警是防治赤潮的重要内容,而对赤潮藻种的快速鉴别是赤潮预警的关键步骤。本文针对流式图像分析仪采集的赤潮藻类图像特点,展开赤潮藻类图像识别研究。由于所采集的藻类图像存在图像模糊、边缘断裂等问题,传统处理方法难以保证处理质量,需要结合图像实际情况进行研究。本文的主要工作包括：1.对流式图像进行预处理,得到边缘较清晰的藻类图像,在此基础上对比多种分割方法的分割结果,提出结合LOG算子和大津法的分割方法,分割结果表明,该方法适合大多数流式图像,并能得到比较完整的目标藻类以及其轮廓。2.根据目标藻类分割结果,提取了11个形状特征和3种纹理特征,分析这些特征的平移、旋转、尺度不变性,确定适合本文研究的特征。3.深入研究线性判别分析方法,在该算法的基础上建立完整的赤潮藻类分类器,利用藻类形状特征和纹理特征进行分类识别研究。4.针对中肋骨条藻展开细胞计数研究,提出一种循环腐蚀的方法分离该藻的粘连细胞。应用该方法统计经分类器识别出的图像中该藻的细胞数量,与人工计数结果对比,达到94.21%的正确率。本文基于线性判别分析算法建立赤潮藻类自动分类器,将形状特征和纹理特征作为训练特征向量,对流式图像分析仪采集的十种赤潮藻类进行分类研究。研究表明,单独使用形状特征达到的平均识别率仅为78.37%,而结合形状特征和纹理特征的平均识别率达到93.16%。