图像识别是模式识别技术在图像领域中的具体应用,它运用模式识别的原理,把图像的主要特征当作基础,利用计算机找出图像中有哪些物体,或可以说是对图像中的物体进行分类。图像的目标识别属于人工智能的研究领域,应用范围相当广泛。随着计算机技术、多媒体技术、人工智能技术的迅速发展,相应产生了大量的图像目标识别方法。本文在分析了现有各种图像识别方法的基础上,对基于特征描述的图像目标识别技术进行了深入研究。主要从以下几个方面进行了理论和实验研究。基于图像匹配的相似性度量理论,创造性地提出了一套新的差异度量理论体系,建立了一种基于模糊隶属度的差异度量方法:首先提出了差异的概念,之后定义了其计算公式,并分析了其相关的性质。随后将上述理论应用到图像处理过程中,通过转换公式将图像像素点的灰度值转变为差异值,使得人眼睛对灰度级的敏感度由非线性转变为线性变化,有利于图像的进一步处理。接下来分别从图像特征点和特征区域两个角度出发,引入差异值概念:对经典’.算法进行改进,利用标准图像进行了大量测试,分析并比较了改进方法的优缺点;基于差异值变化,提出了一种新的区域分割方法,即改进/’法,基于单个区域的差异值、形状、角度等特征定义了一个特征描述矢量,对于多个区域组合而成的目标还通过建立相邻三角形网格进行了联合特征描述,通过理论推导与实验仿真验证这种描述方法的有效性。最后通过对实际电力线巡检与交通标志图像的研究与应用,综合图像处理中的有关步骤,进行了系统的实验,由此表现了本文提出方法的可行性与实用价值。