图像识别是模式识别的重要板块,传统的模式识别理论方法在图像识别中也有广泛应用。如不变矩理论在对刚性物体的识别中表现出色,在对象缩放、平移以及旋转之后仍能提取出不变的特征。类Haar特征与AdaBoost算法的结合方法成为实时人脸检测最重要的方法之一。一般来说,对于不同的对象,不同方法间的效果差异明显,特征的选择是其关键因素。从直观形态特征选择的角度考虑,现有的方法主要分为两类:一、将对象整体数据投射到特征空间;二、将局部数据投射到特征空间。这两类方法各有优缺点:前者是对象整体所有信息的统计,对形态固定、噪声较小的对象,有着很高的识别率与速度;后者则聚焦对象带有鲜明特点的局部特征,在识别中有较强的抗噪能力。而两者的优势也反映了其弱点,第一类方法依赖于对象整体数据的稳定性,另一类方法则依赖与对象局部特征的差异性。对于不具备上述条件的对象,两类方法都不适用。于是,本文提出的一种基于结构的识别思想,为解决此类问题提供一种思路与方法,并研究了结构模型的建立与计算。本文的具体工作如下:(1)提出基于结构特征的识别模型。该方法在训练过程中将待识别对象划分为几个部分,每个部分使用已有的训练方法进行第一次训练,然后将各部分结合作第二次训练,最终得到识别对象结构的分类器。本文第一次训练使用两种方法,分别采用了矩不变量(Moment Invariants)结合支持向量机(Support Vector Machine)的方法和类Haar特征结合AdaBoost算法的方法。在第二次训练中将各部分训练的结果做统计,确定关键有效的部分并加以组合。(2)在结构划分方法上进行了探索,由于最开始的结构划分是根据人的先验知识进行的主动划分,主动划分的优劣决定了识别效果的好坏。文中提出了一种自动划分区域识别的方法。