基因中包含着大量的遗传信息,对这些信息的研究有着深远的意义。但是以往的研究方法在处理高通量的基因信息时效率低下,于是80年代中期一种高效准确的基因芯片技术应运生。基因芯片有广泛的应用领域,是科研的一个热点方向。图像处理则是基因芯片应用中不可或缺的一个重要步骤,通过有效的图像处理可高效精确的获得芯片所包含的高通量信息。因此基因芯片的图像处理有着非常重要的研究意义。本文主要针对基因芯片的图像处理进行研究。对图像处理包含的主要步骤:图像预处理,网格定位,图像分割以及分割效果的评价,信号提取分别进行了介绍。图像预处理和网格定位都是为了分割能够更好更准确的进行。分割是图像处理的难点,分割的好坏直接影响最终信号提取的结果。所以本文将基因芯片图像分割技术作为重点。本文对于基因芯片的图像分割的整个过程展开了全面的研究,从分割算法到算法的评价都进行了详细的阐述。并且在总结前人的分割算法的基础上,提出了一种基于Fuzzy c-means聚类的自适应基因芯片图像分割方法,并且在此算法的基础上进行了进一步的改进提出了基于粒子群优化的Fuzzy c-means聚类的基因芯片图像分割算法,比原先的聚类方法抗噪能力更强,且不容易陷入局部最优。为了更客观的评价算法的分割效果,本文介绍了多种分割算法评价准则,并提出了一种使用合成图像对基因表达比率进行最终测量精度评价的准则。最终使用多种评价准则对于常用的基因芯片图像分割方法和本文提出的分割算法进行了评价和比较。