计算机视觉就是对人类视觉感知能力的计算机模拟,通常也称为图像理解。基于模型的方法是计算机图像理解中的一个重要分支,近年来得到了广泛地研究和应用,并已取得了良好的效果。根据基于模型的方法研究的目标对象和理论方法等方面的不同,可以将模型分为刚性模型和可形变模型、二维模型和三维模型、静态模型和动态模型以及点分布模型和函数拟合模型等等。本文对一些比较流行的基于模型的图像理解方法进行了概括性地描述,首次提出了一种以目标物体的全局结构为特征的模型,称为全局结构约束模型。该模型与以往方法的主要不同点,首先是放置关键点的位置从纹理变化显著的内外边缘处改为纹理变化较小的内部区域,这样做的好处是可以对物体全局的颜色结构进行表达;其次是在模型搜索阶段,搜索参数不再是各种统计学上的参数,而是空间变换参数,可以根据实际问题对参数的类型和维度进行选择,一般来说维度较小。将该模型与优化算法相结合能够在图像中对目标物体进行快速定位,实验效果比较理想。此外,本文对主动形状模型和主动表观模型进行了深入研究,将它们与全局结构约束模型相结合,在模型表达的信息和搜索能力上进行互补,在点分布模型框架下提出了全局结构约束表观模型,能够快速地定位到目标的精确位置和轮廓。将本文提出的模型方法应用于模式识别领域的人脸识别问题和图像验证码识别问题都取得了良好的实验效果。