随着硬件设备和图像处理技术的不断提高发展,目标特征识别技术也在快速发展,其基本原理是利用图像中的目标特征信息,通过各种试图像处理技术来改善图像质量,提取特征,最后根据大量训练样本所确定的模板图像,代替人对被检测图像进行识别判决。目标特征识别虽然在理论方法研究上已取得不小的进展,但它本身是一个比较复杂、繁琐、要求精细的研究领域,存在精度与速度等不少困难,因此目标特征识别是一个有待进一步探索的新领域。本文依据企业的印刷品质量检测的要求,描述了基于图像处理的目标特征识别问题的一个完整的实现和改进,改进了Canny算法进行边缘检测,同时应用了改进的可靠的模板配准算法,配以局部的动态阈值分割处理来获得识别结果,获得了准确的质量检测结果。首先研究了图像获取的硬件系统,这是进行基于图像处理的目标特征识别研究的基础。选取设备的主要因素是设备的性能效果,同时也要仔细考虑环境因素,以及各设备之间的匹配融合,还有就是要协调考虑软件的设计,这样才能设计出最合适的系统。其次,每幅图像都包含某种程度的噪声,综合考虑速度与效果,选用高斯滤波器来对图像进行平滑处理,对图像中的噪声进行抑制；而且应用图像分割处理技术,将图像分割为二值类型的图像,将来就可以忽略背景而直接对目标物体进行处理。在图像分割中,使用细致的、基于局部处理的动态阂值分割处理,可以得到准确的、稳定的处理结果。这样对原始图像进行了预处理,从而获得了质量较好的图像,尽力保证最终目标特征识别结果的准确性。然后,因为如果对边缘进行处理比对整个目标物体处理的话,边缘信息的准确率远远高于整个目标物体的信息,所以需要对目标物体进行边缘提取。本文研究了Canny边缘检测算法,并在此基础上针对传统Canny算法在梯度幅值计算上对噪声过于敏感、容易检测出伪边缘的缺陷,应用了一种新的计算梯度幅值的算法,大大提高了准确度。然后针对传统Canny算法需要人为指定双阂值的缺陷,应用了一种根据非最大抑制处理的结果图像、来自动生成双阈值的方法,更全面地利用了梯度图像中的信息特征,使算法具有了更好的自适应能力,提高了自动化程度。还有,当基于模板来检测物体时,要使图中物体的位姿与参考图像中物体的位姿相同。要进行模板配准,就是要在目标物体图像中找到模板,得到模板在图像中最合适的位姿,然后依据位姿变换关系,进行图像变换,将模板与图像中的目标物体对齐。先研究了传统的基于灰度值的模板配准算法的适用情况和使用效果,最后应用了改进的可靠的基于边缘形状的模板配准算法,配以局部的动态阂值分割处理来获得识别结果,算法准确度大大提高,也增加了对于各种质量的图像的适用范围。然后,在图像变换中,使用双线性插值变换方法,可以使得到的图像的变换结果具有平滑的外观边缘。最后,模板与目标物体图像对齐后,质量检测算法使用的是动态阈值分割处理,设计了含有容许偏差的偏差模板,然后将与图像中的目标物体与其进行比较,以实现质量检测,结果十分可靠。