科学技术发展日新月异，人们对于视觉获取上的要求越来越高，图像矩技术的应用也越来越广泛，发展速度越来越快。基于矩技术的图像匹配和目标识别技术被广泛的应用到了社会各个领域，如交通监管中车辆车型的监视和识别、车牌的识别，医学图像的匹配等等众多方面，都有着广阔的应用前景。　　 论文对图像的不变矩进行了研究，重点分析了Hu矩、Zemike矩及其应用，主要工作如下：　　 研究了Hu矩在旋转、平移和缩放变换中的不变性，完成了多组不变性实验：为降低Hu矩的计算量，研究了Hu矩的快速算法，通过分析二值水平连续图像算法（Delta方法）引出了截线段法，该方法通过合并同类项，改进了图像计算中的取点方式，只用逐行累计各个截线段，达到了精确快速计算Hu矩的目的；通过实验并得到结论：1)Delta算法在计算速度上优于截线段法；2）在处理水平连续图像时优先选择Delta算法，处理水平不连续的图像时采用截线段法。　　 介绍了Zernike矩的原理和不变性；分析了影响Zemike不变性的因素；为了使Zemike矩具备真正意义上的缩放不变性，通过优化Zemike矩的提取过程，即先提取各阶矩后归一化，提出了Zemike矩的改进方法。通过实验并得到结论：1)改进后的Zemike矩具有稳定的旋转和缩放不变性；2）高阶矩也具备稳定不变性，并且在计算误差方面高阶矩要优于低阶矩。　　 在不变矩的应用方面，采用了Hu矩的7个不变量作为特征，完成了目标匹配；将概率神经网络和改进后的Zemike算法有机整合，完成了商标识别。实验结果证明了方案的可行性。