海洋浮游植物是海洋生态系统中最重要的初级生产者,是海洋资源调查和海洋生态环境监测的重要研究对象。高效、准确的海洋浮游植物种类鉴定方法是海洋科学研究的基础。海洋浮游植物显微图像的自动识别作为海洋科学与信息技术的重要交叉研究课题,近几年在全球范围内得到了广泛的关注与发展。但是与人类专家的识别水平相比,还存在较大的差距。海洋浮游植物图像识别的理论框架和实用算法还有待进一步发展和完善。图像的形状包含了大量的视觉信息,是最常用的图像特征之一。对形状的有效描述是识别的基础。骨架作为一种保留了拓扑信息的全局形状变换,结果直观,意义明确,是物体形状描述和识别的有力工具。　　 本文针对海洋浮游植物的形状多样性,在骨架化及相似性分析方面展开研究。主要工作包括：⑴骨架提取算法的归纳分类及应用适应性分析。首先对骨架提取方面的主流算法进行归纳,深入研究了四种典型的骨架提取算法,指出了制约着骨架实际应用的两个主要因素:骨架对边界噪声的敏感性及骨架相似性度量困难性。同时分析了形态学骨架化方法对于本文研究的适用性。⑵提出了一种基于轮廓轴向深度度量准则的骨架剪枝方法。该算法把骨架枝生成轮廓相比于相邻轮廓段的中轴轴向突出程度作为骨架枝的显著性度量因子,该度量具有较好的显著性表现能力、绷带骨架辨别能力和公平性,并据此进行行政骨架的剪枝决策。通过实验验证了基于轮廓轴向深度度量准则的骨架剪枝方法具有较好的性能。⑶引入结构信息改进基于路径距离的骨架相似性分析方法。本文分析了基于路径距离的骨架相似性度量,指出了该算法在海洋浮游植物显微图像中的适用性不足,进而引入了骨架端点的空间结构信息对该算法进行改进,经实验验证改进的算法对海洋浮游植物相似性具有较好的表达能力。