本文是北京师范大学硕士学位论文。基于内容的图像模式分类问题通过分析数字图像中包含的内容与场景信息，对图像进行分类，这是图像处理领域的一个热点问题。本文针对植物病原菌图像分类问题，提出了一种新的基于形状信息的贝叶斯分类方法。与其他的形状分类方法相比，本文将物体的形状信息转化为贝叶斯分类中的先验概率，通过计算形状相似性能量的方式达到了有效减小运算量，获得较好分类结果的目的。　　 要建立一个不同种类对象的分类系统，对象的特征提取是非常重要的，因为在分类时特征是唯一的依据。特征选择不当或没有包含足够的待分类对象的属性信息，分类结果的准确性将很难保证。在图像的形状、灰度等众多特征中，纹理特征是相当重要的一类。其刻画相对复杂，纹理特征提取是当前国际上研究的重点和难点。本文提出了一种改进2D-PCA方法用于纹理图像的重建与识别，作为经典算法PCA方法的扩充。传统的2D-PCA算法被广泛用于图像的识别工作中，但由于纹理图像具有与普通图像不同的旋转不变性、无序性等特点，传统的2D-PCA方法不适于对纹理图像进行处理。故本文利用图像的结构矩阵，采用对图像进行主轴归一化等预处理方式，提出改进2D-PCA的方法，更好地解决纹理图像的重建与识别问题。实验结果显示，对于大部分类犁的纹理图片，本文的方法可以稳定的得到比原始2D-PCA效果更好的重建结果，同时提高了各组的分类正确率。　　 总结以上的提出的算法，最终在Matlab平台上实现了一个完整的病原菌图像模式分类系统，分类正确率达到了89．2％（1031/1156），实验结果证明了提出算法的有效性。