在机器视觉系统中,图像分割和目标识别是一个重点和难点问题。在目标检测、目标识别和目标跟踪等技术中,核心技术均为图像分割。Mean shift图像分割算法是近几年来应用于图像特征空间分析的一种新的技术,该算法无需概率密度分布先验知识及特征空间模式的聚类数目,可以有效地实现图像的平滑和分割。另外,在目标识别方面,基于Hausdorff距离测量的算法也得到了广泛的应用。目前,在机器视觉领域,图像分割和目标识别仍然是一个非常重要的研究课题。　　 本文从Mean shift理论、自适应带宽参数选择与Hausdorff湘似度测度理论的角度出发,在核函数带宽参数的选择算法、目标轮廓特征参数的提取及基于这些参数的目标识别等方面进行了研究.总结本论文,主要从以下几个方面进行研究与创新:　　 (1)在基于交叉置信区间(ICI)规则的基础上,提出了一种多变量自适应带宽参数的核函数带宽选择算法。分析了采用交叉置信区间(ICI)规则进行带宽参数选择算法的核密度估计性能,并与固定带宽参数核密度估计进行了比较。另外,讨论了多维特征空间中自适应带宽参数的选择算法,并与插入(Plug in)规则确定多维带宽参数的算法进行了复杂度比较。　　 (2)将交叉置信区间(ICI)规则确定的自适应带宽参数应用到Mean shift算法中,分析了自适应带宽Mean shift算法在图像分割中的应用性能。在应用交叉置信区间(ICI)规则确定自适应带宽参数过程中,提出了降维方法,将多维特征空间的带宽参数选择算法转换到一维空间中讨论。在核函数的密度估计中,用空间超球体近似空间超立方体,将多维带宽参数的选择转换为空间超球体半径的选择问题。　　 (3)在距离累积算法的基础上,重新推导了一种新的曲率估计算法。在这种新的曲率估计算法中,用弦与轮廓之间的近似区域面积来估计曲率,并用近似区域面积的值来确定目标轮廓曲线的负曲率极值点(NCM),通过这些极值点来定位轮廓的特征点。分析了距离累积算法中弦长参数对特征点定位的影响,仿真结果表明,该算法比曲率尺度空间(CSS)算法具有更好的定位性能。　　 (4)在负曲率极值点(NCM)点集的基础上,本文提出了两种应用于Hausdorff距离测度的匹配模型。讨论了目标与模板之间平移、旋转、尺度变换参数的计算问题,并重点分析了两种模型中尺度变换参数之间的关系。