近年来随着数字图像技术的迅猛发展,形状匹配技术受到学术界和社会广泛的关注,并取得了长足的发展,涌现出许多的新理论、新方法和新设备,并已在科学研究、工业生产、医疗卫生、社会管理和通信等方面得到了广泛的应用,对推动社会发展起到了重要的作用。本文重点基于区域的不变矩和欧氏距离对形状匹配进行了研究。形状匹配的关键是要找到合适的方法对形状进行描述,构造鲁棒性的特征矢量,从而完成相似形状的匹配或不同形状的分类。不变矩,是一种非常重要的表示目标总体形状的特征量。作为一种统计性的全局信息,不变矩已成为形状特征研究的一个热点。本文首先概述了不变矩的理论和计算方法,不变矩作为识别特征,具有平移、旋转、尺度不变的特性。由于我们所处理的数字图像是离散的,而不变矩是在二维连续函数下定义的,因此,当图像发生尺度、旋转等变化时,往往会造成一定的数字误差,影响最终的匹配结果。为此,基于传统的面矩计算方法,本文引入了具体的改进方案,以减小数字误差对形状特征提取的影响。利用新方法得到的Hu不变矩来构成形状的特征矢量,进而描述形状之间的相似度,并且通过实验证明了改进的Hu不变矩具有健壮的鲁棒性和更高的匹配率。最后,本文从图像预处理、车牌定位、字符分割及识别等方面对车牌识别技术进行了系统分析。采用基于改进的Hu不变矩的模板匹配算法来实现车牌字符的识别,并通过MATLAB软件编程实现了车牌识别的整个流程,取得了较理想的效果。