国际国内核安全局势的最新变化,不仅对加强核部件与核材料的管理与监控,而且对国际防核扩散机制提出了新要求,但与之相应的核军控与核裁军的核查技术研发与该要求还存在较大的距离；不仅如此,随着国内核电产业的快速发展,与之相应的大量的核原料与核废料的处理技术的提高与管控能力的加强也日益迫切,这都需要大力研发相应的无损监测方法与分析识别技术。针对上述涉核对象来说,Y射线是最重要的出射粒子之一,高分辨的Y能谱分析可以实现无损条件下被测对象的判断与识别。本论文围绕基于高分辨γ能谱的对象相似性识别技术,结合近十多年来高速发展的模式识别技术与图像配准技术,展开γ能谱对象的分类识别研究,为提升核保障技术水平,核军控、核裁军核查提供技术储备,以及下一步研究工作提供支持。本论文的研究基于VC++2010,通过与ROOT相结合,开发了相应的程序,完成的主要工作与获得的研究成果如下：1)采用传统的Y能谱分析方法对高分辨Y能谱进行了分析。主要分析工作包括：能谱平滑降噪、能谱寻峰、连续本底扣除、峰面积拟合等。寻峰算法为对称零面积法与反卷积法,本底扣除利用了SNIP法进行,峰面积拟合采用了AWMI方法。首次将小波降噪与多项式最小二乘平滑结合,对能谱进行平滑降噪,提升了平滑降噪效果。2)针对Y能谱的修正,参照图像配准技术提出了Y能谱配准概念,首次展开了Y能谱配准研究。γ能谱基于特征的配准研究开展了Y能谱预处理、特征提取、特征匹配、插值重采样以及相似性度量等研究。重点研究了线性插值、拉格朗日插值、埃尔米特插值和三次样条插值等四种插值重构算法的γ能谱插值效果,结果表明埃尔米特插值效果优于其他插值算法。对于相似性度量研究,研究了x2／(N-1)、拟合优度、欧氏距离、余弦相似度、皮尔逊积矩相关系数等算法。另外插值重采样后,研究了小波变换后多层级配准后的相似性度量。3)研究了模式识别中主成分分析、线性判别分析与支持向量机对Y能谱的分类识别。其中,国内首次开展了支持向量机研究与线性判别分析应用于γ能谱分析。从分类结果看,线性判别分析算法分类效果优于主成分分析法,但主成分分析法的投影空间物理意义相对较明显。支持向量机对钚样品的高分辨Y能谱分类训练的结果显示,分类学习的交叉验证准确率达到99%以上。