作为当前计算机视觉的研究热点,通过机器学习进行微生物识别和检测已经取得了不少研究成果,并被应用于科学和工业的多个方面。其中对钟虫图像的识别和检测一直以来都是一个具有挑战性的热门课题。在本文中,利用方向梯度直方图(Histograms of Oriented Gradients)和局部二值模式算法(Local Binary Pattern),并且结合离散傅里叶变换(Discrete Fourier Transform),设计和实现了一种对钟虫图像高效的旋转不变性识别算法。论文的主要工作与贡献如下:1)深入探讨并总结了方向梯度直方图算法(HOG)和局部二值模式算法(LBP)的基本原理和特征提取过程,分析了其缺陷,并针对其实现细节进行对比实验验证,以获得更高效的识别能力。2)理解和分析了图像旋转变换的基本原理和表现形式,并结合钟虫图像进行实验讨论。从钟虫图像样本的预处理角度进行算法改进,通过适当的旋转变换,对训练集样本进行数据扩充,从而增加学习的完备性,进而获得了很好的识别效果。3)通过学习方向梯度直方图算法的局部依赖性和局部二值模式的全局旋转不变特征,并结合离散傅里叶变换(DFT),改进和实现了一种高效的识别算法。本文为微生物图像处理中描述特征的提取提出了一个新的研究方向,为模式识别中旋转变换导致的难点分析和解决提供有益的探索和借鉴。