染色体核型分析，是染色体遗传分析技术的经典方法，是遗传学科学研究和辅助临床诊断的重要手段之一，是分析染色体易位、缺失、诊断各种遗传病变的关键指标。本文以人体染色体图像模式识别为背景，研究生物学图像的分析与处理方法，结合人工神经网络、图象处理与模式识别技术，全面介绍了人类染色体自动分析系统的核心技术和关键算法，包括染色体图像的预处理、特征提取与分类器设计等。主要研究内容如下：1．色体图像的预处理过程中，首先进行滤波去噪、灰度拉伸，然后利用迭代法寻找阀值，用该阀值处理后的图像，有较好的分离特征。2．染色体图像进行阈值分割以后，利用标号法实现了染色体图像的自动分割，得到单条染色体图像信息，最后进行边缘检测及边界跟踪。为提取染色体特征打下了良好基础。3．论述了从经过预处理的人体染色体图像中提取染色体中轴、计算染色体长度、着丝点指数和带纹特征的方法。4．染色体中轴提取是该系统的关键之一，采用细化去支，曲线拟合，中轴端点的合理延伸等算法，提取出满意的染色体中轴，为计算染色体长度、着丝点指数和染色体带纹特征奠定了基础。5．提出基于轮廓凹点与染色体宽度测量相结合的算法确定着丝点位置，能有效提高着丝点位置的检测精度。6．采用多级分类器即树分类器，第一层采用BP神经网络将全部染色体分成A、B、C、D、E、F、G、X、Y九大类，第二层是在各大类中用最近邻聚类方法进行配对。利用染色体相对长度、臂比、着丝点指数3个特征参数进行染色体分类，在配对过程中结合带纹特征，得到了良好的自动配对效果。通过大量实验和最后的初步分类表明：在染色体分散良好，无交叉的染色体的情况下，系统的自动化程度较高，分类精度较好。