体外受精-胚胎移植技术为人类不孕不育这一世界性医学难题提供了一种有效的解决方法。通过对胚胎形态的变化评估胚胎质量并优选移植,是提高成功率和临床妊娠率的必要手段,但目前的人工评估法仍具有耗时长、主观性强、一致性差等问题。如何通过自动识别技术评估胚胎发育过程中的连续状态,是辅助生殖领域研究的热点,但现有的胚胎图像自动识别算法准确率相对较低。因此,研究胚胎图像自动识别技术,提高胚胎图像的识别准确率,对辅助生殖技术的发展具有重要的意义。本文针对胚胎图像自动识别算法精度不高的问题,提出了一种胚胎图像自动识别方法。该方法优选了图像预处理算法、改进了胚胎卵裂球自动识别算法,构建了胚胎自动定位、个数、关键事件预测方法,主要研究内容如下:1.针对胚胎图像预处理结果对图像识别精度的重要影响问题,提出了一种胚胎图像预处理方法。该方法计算了转换因子实现放大补偿,结合掩膜方法去除了干扰信息,在分析比对了7种边缘检测算法的基础上,优选了F值达0.62的EDContours作为胚胎图像的边缘检测算法。2.针对卵裂球识别中边缘细节丢失、培养皿和碎片干扰问题,提出了一种改进的EDCircles算法。该方法用EDContours替换了EDCircles中的EDPF边缘检测算法,解决了卵裂球识别中边缘细节丢失问题,应用阈值约束方法,去除了培养皿和碎片干扰问题,结果表明:改进算法在单胚胎和多胚胎检测的P、R、F值均优于其他5种方法,具有良好的准确性与通用性。3.针对胚胎卵裂期图像连续帧的反馈及预测问题,构建了一种基于马尔可夫链的胚胎自动识别方法。该方法建立了胚胎图像连续帧之间的约束条件,结合马尔可夫链的事件概率特性,为每帧图片生成标签空间,通过决定整个序列的最优标签,实现胚胎自动定位、个数、关键事件预测。