基于轮廓信息的图像模式匹配广泛应用于工业、农业、商业和生活中的各个领域，是计算机视觉中一个重要的研究课题。其现有方法按技术路线可分为自下而上和自上而下两类。其中，自下而上的方法以广义 Hough变换为代表，它将轮廓点由平面空间逐点变换到参数空间，通过投票计票的方式实现模板图像和物体图像的匹配；自上而下的方法以活动轮廓模型为代表，它通过最小化包含形状先验知识的能量泛函的方式将初始轮廓整体演化到物体边缘以完成图像模式匹配。但这两类方法都尚存在一些待解决的问题。其中，广义 Hough变换缺乏对包含非线性形变的同类物体进行匹配的能力；而活动轮廓演化在融合形状先验知识时在能量泛函中额外加入了形状项，从而增加了数值解法的复杂性和抽象性，缺乏可控性和灵活性。　　本研究主要内容包括：①在基于广义Hough变换的图像模式匹配中，本文提出了轮廓点邻域的局部拓扑结构特征。它由广义交叉数、邻域边界方向角、重心夹角和重心距离构成。与现有研究相比，它能更加准确地描述物体轮廓的空间分布特性。具体的说，其中的广义交叉数能描述区域轮廓的复杂度，邻域边界方向角能描述区域轮廓的方向特征，重心夹角和重心距离能描述轮廓点相对于参考点的位置特征。②提出了一个基于形状空间投影的新型的图像模式匹配框架。该框架结合了形状空间投影、轮廓的B样条表示、活动形状模型、CV模型驱动力和三种轮廓演化策略，在轮廓演化方面具有很强的可控性和直观性。在该框架中，本文提出的两种形状空间----扩展仿射变换形状空间和点分布模型形状空间，能够在投影阶段将轮廓演化过程中产生的任意形变分别限制到线性形变和同类物体非线性形变的范围内，并能快速计算形状模型中的优化参数值，在实现与能量泛函中形状项相同功能的同时，避免了数值解法的抽象性和复杂性。③提出了三种活动轮廓演化策略，具体包括快速轮廓演化、轮廓选择演化和形状子空间选择。其中，快速轮廓演化计算各采样点在CV模型驱动下的优化步长，在提高演化速度的同时让轮廓更准确地收敛到物体边缘；轮廓选择演化将采样点按其与物体轮廓距离远近分类，只对满足距离条件的采样点进行驱动，解决了遮挡条件下轮廓无法准确地收敛到物体边缘的问题，提高了匹配算法的鲁棒性；形状子空间选择提供了更精细地约束线性形变的候选手段，该过程能有效避免演化过程中出现的误匹配和过匹配。此外，在本文的匹配框架中，笔者提出了像素亮度组合预处理算法。它将灰度图形式的测试图像转化为二值图序列，降低了模式匹配问题的复杂性。通过在人工合成图像、路面交通标志数据集、MNIST手写数字数据集和 ETHZ 形状数据集上的对比实验证实，本文提出的方法在匹配正确率上优于现有同类方法。