藻类是一种非常简单的植物，一般位于淡水和海洋中，分为真核细胞藻类和原核细胞藻类，或按门类分为11个门。而硅藻正是属于藻类的其中一个较为重要的门。硅藻在环境监测、生物制药等方面有着举足轻重的作用。但是传统的对于藻类的分类研究，对于操作人员的要求比较高，要有深厚的藻类形态知识积累，工作强度大，且主观性强，易出错。本文主要使用数字图像处理和模式识别的知识对硅藻门藻类图像的自动识别进行研究，论文主要工作如下：首先，介绍了课题的研究意义及国内外的研究现状。概述了传统硅藻分类所采用的方法及缺陷，以及目前采用数字图像处理方法实现硅藻分类所存在的问题。其次，详细说明硅藻目标兴趣区的获取。第一步，使用Sobel边缘检测得到边缘图像。第二步，使用Otsu分割得到二值图像。第三步，使用轮廓跟踪和洪水填充得到轮廓图像。第四步，使用小面积过滤将不属于目标的杂点和游标尺去除。第五步，使用外接矩收缩法得到图像目标的外接圆。然后，提出基于目标结构的硅藻细胞分类。将外接圆按距离等分为10个特征提取圆环，并对其使用目标结构成分度量、目标结构变化度量和目标结构角度度量三个方法分别提取硅藻目标的特征向量。最后，使用欧式距离作为硅藻图像相似性测量的方法，并使用综合后的相似距离对硅藻细胞图像进行分类。实验图库有102个种类的306张图片。本文的评价方法不同于分类器的评价方法，使用的是基于内容的图像检索的常用指标--准确率和召回率。自动搜索比对的实验结果表明：本文方法在对硅藻图片进行分类时，平均准确率达到5.4%（全值6%时），平均召回率达到了90.0%（全值100%时），取得了相较同类方法更好的识别分类效果。