在人们对皮肤美容与保健日益关心的今天，一类具有自动症状检索、症状识别以及症状护理的皮肤症状自动识别系统变得迫切需要了。该系统是将工程中的图像处理与模式识别的有关原理应用到医学皮肤图像中，其研究核心是图像的识别技术。 皮肤症状自动识别系统从最初摄入的原始皮肤显微图像到最后的识别分类，需要经过各种处理过程。为了提高图像分割的客观性，笔者将图像从RGB空间转换到HIS空间，用饱和度S表示图像，采用基于S域最大类间方差动态阈值分割法对图像进行分割。为了消除分割后的孤立白点与黑色小区域，采用数学形态学对图像进行后处理。 根据皮肤视觉诊断的一般方法，初步提取了症状的面积；最大、最小直径；症状部分的颜色；症状边缘的颜色以及七个不变矩共22个特征参数，然而如何选择出对皮肤症状识别分类能力强的特征项组合即特征选择的问题是模式识别中非常重要的环节。本文既利用遗传算法优化搜索特征空间，又克服传统统计学的苛刻要求，把遗传算法和支持向量机(SVM)结合起来。此外，采用留一交叉法验证SVM分类器的识别率，并用“一对一”的策略来处理多类别分类问题，对初步提取的皮肤症状的22个特征参数进行优化组合，从而选择出使系统的识别率得到很大提高的特征组合，并在此基础上用支持向量机建立分类器，对皮肤症状进行分类识别。 本文中所提出的各种方法属于皮肤显微图像的开拓性研究，具有独创性，经过理论分析与实验比较证实了所提方法的正确性及可行性。