近几年来，随着信息技术的普及，计算机图像处理及识别技术也迅速发展，研究理论不断深入，并在许多行业领域内得以实践并运用，例如：在军事、公安领域、航空航天及卫星等的遥感图像识别、监控系统的识别、移动互联网及生物医学图像识别等方面均有广泛的应用。然而对于细胞图像的识别，目前还主要是人工依据细胞的生物学参数用医学的手段进行识别，识别时间长，效率低，且由该项工作的单调性及耗时长等特性工作人员难免由于主观因素会错误识别一些细胞。特别是，已有的研究成果主要集中于对完整细胞的识别研究，而对于细胞切片图像的识别则研究成果甚少。而切片的识别对于病理诊断和细胞的三维重建具有重要的意义。因此，本文综合图像处理技术、图像特征提取技术及机器学习技术对大鼠精原细胞切片图像的识别进行了研究和实验。对于大鼠精原细胞切片图像的识别有三个主要任务，分别为图像的预处理、图像特征的选取及图像的识别。本文首先介绍了图像预处理的常用方法并且运用数字图像处理技术与形态学方法对原始图像进行处理，以得到只包括目标细胞的二值图像。其次，本文阐述了图像特征的概念及常用的图像特征，并根据精原细胞图像的特殊性，选取了Zernike矩的幅值作为图像的特征，另外论文中还引入了一种对Zernike矩的相位进行修正的方法，使得Zernike矩的相位也具有旋转不变性并与其幅度共同构成一组图像特征。最后，本文在统计学习理论的基础上选用了支持向量机作为图像的分类器，在训练学习阶段，分别采用不同规模的训练样本集，并选用RBF核函数同时引入惩罚因子C。为了验证实验结果的可靠性与适用性，本文中选用了MNIST database图像库进行了相同的实验。另外，对于精原细胞图像还运用了传统的欧式距离的识别方法进行识别及对比实验结果。实验结果表明选用Zernike矩的幅值作为图像的特征用于支持向量机的学习与分类中，图像识别有较高的识别效率与识别准确率。