藻类是一种原生生物界的植物样生物，一般生活在水中，地球上的光合作用90%由藻类进行，将其按门类可分为11个门。绿藻门是藻类中极为重要的一个门，绿藻类的研究与绿色食品、绿色能源、科学制药、环境保护等领域息息相关。但是传统的绿藻鉴定，都是人工在显微镜下完成，对于操作人员的藻类形态知识积累要求高，而且工作强度大，效率低，容易导致人为误差。本文主要使用数字图像处理对微型绿藻自动鉴别进行研究，论文的主要工作如下：1、介绍了微型绿藻自动鉴别研究的意义及目前国内外研究的具体现状。阐述了传统的绿藻分类方法，分析其分类过程并总结其不足之处，描述了目前基于数字图像处理技术的自动藻类鉴定系统所存在的问题。2、详细介绍了微型绿藻中绿藻目标兴趣区域获取的方法：对选取的绿藻显微图像，使用B通道增强算法进行灰度化，然后将绿藻目标图像进行Otsu分割结果，得到目标兴趣区域更加突出的二值图像。通过适当的形态学运算增强显示效果，用连通域标记结合面积过滤算法得到目标兴趣区域的主轮廓图像，进一步计算出目标的最小外接圆和主轴，再按照主轴旋转图片，获得目标的最小外接矩。3、提出基于等分同心圆检测的绿藻细胞分类。将图像的最小外接圆按半径等分为10个特征提取同心圆，在各个同心圆上提取目标直方图分布特征、目标长短轴矩形度特征、第三四等分同心圆的灰度共生矩阵特征三个特征向量分别表示目标的颜色特征、结构特征和纹理特征。按照距离值对分析结果进行相似度排序得到图像的检索结果，并使用KNN原则得到绿藻图像的分类结果。本文的创新点在于，提出了基于等分同心圆的灰度共生矩阵特征，同时将传统的分类器和图像检索相结合。通过对图库中122个种类366张图片进行实验，取得了平均分类准确率达到93.2%（满值100%时），平均精度达到5.5%（满值6%时），平均召回率达到了91.3%（满值100%时），对比同类方法取得了较好的分类结果。