核磁共振谱学是人类在分子水平研究物质结构的重要方式。在传统的核磁共振试验中，一次只测定一种物质的核磁共振谱，而且随着谱的维度的增加，所需时间呈倍数增长，所以如何快速测定物质的核磁共振谱一直是一个热门的研究方向。文章尝试从核磁共振反式K空间的角度，结合图像处理及机器学习的算法，从一次实验所得的混合物质的核磁共振谱中进行信号分类，并得到各物质对应的核磁共振谱，可以节省重复实验的时间，提高实验效率。　　将数字图像处理和机器学习的方法引入核磁共振的实验，是核磁共振研究的新趋势之一。机器学习算法和分类器可以辅助研究者对核磁共振图像的研究，为研究带来新的方式和手段。本文从图像处理和机器学习的角度，对反式K空间中两物质混合的核磁共振二维谱进行探索，并对反式K空间中的物质信号峰进行分类研究，将两种物质相应的信号峰进行分类。　　文章首先提出使用数字图像处理与机器学习的算法，将反式K空间中的信号峰进行提取和聚类，然后通过分类器在两类信号峰中找出合适的决策边界，并利用该决策边界将不同物质的信号峰从反式K空间上分离开，分别得到两个物质的反式K空间矩阵，而后便于进行变换回K空间进行核磁共振谱学研究。　　接着，本文基于计算动词理论及相关概念，对从反式K空间中提取出来的信号峰从分布上进行聚类分析，通过计算动词相似度和计算动词相关度的方式，从二维信号峰的形态和分布上将同种物质的信号峰聚类到一起。并且在此基础上，进一步提出了计算动词奇异值分解聚类算法，从计算动词空间的角度对反式K空间中的信号进行聚类分析。最后，本文在反式K空间的背景上应用了计算动词聚类算法，并且得到了有意义的结果，并与其他聚类算法进行了比较分析。