目前,红外热像仪的应用非常广泛,尤其是在医学中的应用,比如重大疾病的早期筛选、疼痛性疾病的筛选、皮肤疾病的检查等等,但是国内利用红外热像仪对疾病的筛选,尤其是对颈椎病变研究还不太广泛。本文利用模式识别对红外图像进行分类,提出K-L变换算法对图像进行分析,采用欧氏距离进行分类识别,最终找到颈椎红外热像图的病变情况。最后设计了一种可为临床诊断提供参考依据的人体颈椎检测软件。主要研究内容如下:1)颈椎红外图像的采集。本课题对红外热像仪性能的校正以及红外图像采集流程做了详细论述。通过对图像的截取,最终获得最佳的红外热像图。2)颈椎红外图像的诊断。将处理好的颈椎红外热像图的像素值,代入像素与温度的关系式中,得到图像的温度信息。将正常的颈椎红外热像图和存在病变的颈椎红外热像图作为训练样本,将训练样本的温度信息利用K-L变换分析,得到样本的特征空间,从而降低了样本的空间维数。然后将所有样本都有投影到这个特征空间,得到投影系数。根据类内距离小于类间距离找到颈椎红外热像图的病变情况,即待识别样本的病变情况与欧氏距离最小的训练样本的病变情况一致,进而得到最终结果。3)颈椎红外图像的软件实现。借助GUI图形用户界面功能,将上述研究设计成人体颈椎红外热像图的病变分析系统。该系统软件实现了颈椎红外热像图的病变分析,这样更加方便的验证和解读了算法的适用性。