在人们对皮肤美容与保健日益关注的今天，迫切需要设计一种具有症状识别及护理的智能皮肤诊断系统。该系统能够将人工智能相关原理与图像处理相结合，实现由计算机对皮肤显微图像的理解。 本人主要工作和研究成果包括以下几个方面：(1)提出一种采用逐步回归分析的皮肤症状特征选择方法。建立了反映处理特征量之间线性关系的数学模型，检测出它们之间的相关性，选取回归建模过程中不相关的特征重构特征向量，从而降低了特征空间维数。 (2)提出了一种基于语义网络的皮肤症状知识表达方法。结合皮肤症状图像的特征描述特点和语义网络知识表示的优点，用语义网络表示皮肤症状图像知识。通过语义网络将复杂的知识进行分解，把皮肤症状各种参数间的语义联系显式地表示出来，从而使复杂知识的表示变得简单可行，更接近人的思维习惯。 (3)提出了一种基于语义网络表示的皮肤症状模糊推理系统模型。根据皮肤症状参数的特点，分别构造了症状的几何特征、颜色特征和不变矩组合特征等参数的隶属度函数，确立了模糊匹配和冲突消解的原则，制定出不同皮肤症状的推理规则，总结出一套基于语义网络表示的皮肤症状图像模糊推理算法。 本课题属于图像理解的应用基础研究。针对皮肤症状的特点，开创性地提出一套基于语义网络对皮肤图像进行处理与识别的方法，具有创新性。经过理论分析与实验比较证实了所提方法的正确性及可行性，成功地将图像理解和人工智能的知识相结合。虽然本文的具体目标对象是皮肤症状的识别，但是这种方法和手段亦可用于其它特定的目标和场合，如基因点阵序列的识别，染色体的识别等领域，因此本文的研究工作具有一定的科学意义及实用价值。