图像分离是图像分析和模式识别的首要问题，也是图像处理的经典难题之一，至今仍没有通用的分割理论。由于应用领域的不同，图像质量的好坏，以及研究对象本身的特征差异，很难找到一种通用的分割方法。　　 人类染色体图像分析是涉及图像处理、模式识别、计算机视觉等多个领域的综合性研究课题。染色体图像分割技术是目标识别和特征提取的重要前提，图像分割质量的好坏将直接影响到后续的处理。本课题以染色体图像为研究对象，结合染色体的具体特征，对染色体对象的分离展开研究。　　 由于染色体图像中并不是所有的46根染色体对象都是相互粘连或者交叉的，其中也存在孤立的单条染色体。由于对染色体图像的分离操作建立在粘连或者交叉染色体的基础上进行，单条染色体的存在不仅增加图像运算的复杂度，还给图像的准确处理带来干扰。因此在做分离算法前，先提取出单条染色体很有必要。如何判定所研究的对象是否是单条染色体是本文的第一个研究重点。文章采用一种新型的对染色体单体的判定方法，利用欧式距离，提出特征线的概念，同时将其和对象细化后的主骨架线进行匹配，得出判断对象是否为染色体单体的判断准则，从而将单条染色体从待分离的染色体图像中提取出来，为后续的分离算法研究提供基础。　　 中期分裂图中的24种染色体各自拥有独特的条纹样式，计算和提取这些作为染色体重要特征的条纹，对于染色体图像的分割及目标识别都有指导意义。如何准确提取染色体条纹是本文研究的第二个重点。文章针对染色体条纹与其邻近区域存在的灰度差异，对BERNSEN算法进行改进，得出适合于染色体条纹提取的局部阈值，区分条纹和非条纹区域。然后，对已划分的两个区域求取新的局部阈值，再次二分，通过不断迭代处理，逐步锐化染色体图像。为防止过度二分，在完整条纹出现断裂前停止二分迭代处理，并对凸显出来的条纹区域进行提取，保证提取的准确性和完整性。　　 由于染色体图像中大部分的染色体对象是以粘连形式存在的，因此文章的第三个研究重点是针对粘连染色体，寻找合适准确的图像分割算法。文章提出一种将染色体对象几何形态信息和灰度值信息结合的方法，利用水域迭代升涨法，逐步分离各不同粘连程度的染色体对象。特别是，该算法能有效分离被公认为分离难点的重度粘连染色体对象。另外，论文还利用染色体本身的宽度相似性特征，修正分离算法，达到理想的粘连染色体分离效果。