作为医学领域相关分析和判断的重要工具,医学成像可以在诊疗中发挥重要的辅助作用,诸多难以经由简单地“望闻问切”来诊断的顽固性疾病能够通过图像有迹可循,这极大便利了医护人员根据影像结果来进行准确的诊断与后续治疗。关于染色体目标的识别与分析作为现阶段科学诊疗染色体类症状的一大利器,是当前研究的重点方向,具有广泛的应用价值。然而,传统流程经由人工处理完成,繁琐、低效。针对现实需求并结合实际图像情况,本实验应用数字图像处理、模式识别等领域的知识,进行人类染色体图像分割分类方法研究,以求获得更为理想的染色体自动化分割分类系统。本论文主要包含以下实验内容:（1）论文针对实际存在杂质影响的被试图像提出一种结合图像滤波、对比度调整、形态学运算、根据目标个数检测判定作为准则进行杂质清除,最终确定感兴趣的染色体区域的自动化流程预处理方法。（2）论文构建了一种基于剪切波变换的图像边缘检测算法,经实验验证,其相比于传统边缘检测算法具有一定的优势。随后进行图像分割,判定是否为单条染色体,并针对轻微粘连染色体提出空穴寻找路径分割与优化阈值的分水岭算法进行分割。对于重叠的染色体根据其几何特征,通过获取被试边线上的候选凹点作为分割点将其分割成单条染色体。（3）论文根据人类染色体形态制定特征提取方案,提出了一种针对弯曲染色体的伸直方法。通过染色体细化,剪枝的判定,中轴延伸等操作进行染色体中轴提取。基于几何特性与灰度分布进行着丝点的位置确定。根据染色体形态计算获取长度等特征。（4）论文针对小样本多分类的实际情况,通过特征优化进行特征降维,进行了多种分类方案的分析比较,确定系统所用的随机森林分类方法表现出最优分类性能。实验结果表明,本论文的分割分类方法研究对于染色体识别具有较好结果,达成预期目标,能够提升该领域内处理问题的工作效率,减轻人工负担。