该论文重点讨论的是图像处理中图像特征提取以及图像分类识别的一些算法理论,在广泛参考国内外各种图像处理的新技术,新方法的基础上,希望能够通过对特征提取,图像分类,匹配等算法的研究,提出一些在理论上有所创新,在实用上有一定应用价值的新方法,从而完善和丰富现有的图像识别的理论.对论文的内容我们做了如下的安排:第一章:简要描述了目标识别领域的发展概况,对图像识别的算法流程进行了简单的介绍,并且提出了该文图像识别算法流程所采用的方法和理论.第二章:描述并构造了一组Gabor小波滤波器,将目标的Gabor小波特征(幅度、频率和相位特征)作为目标的识别处理特征;第三章:为了进一步提取更为有效的特征向量,提出了两种在Gabor滤波基础上的特征提取算法,并对其各自的理论和优越性进行了分析和阐述,重点放在结合频域特征和几何特征的curvelet算法和该算法的核心部分直脊变换上,直脊变换是为了解决二维或者更高维奇异性分析的一种新的工具,对于具有光滑奇异性曲线的目标函数,曲线波提供了稳定的、高效的和近于最优的表示.因此该算法对描述目标物体的边缘曲线具有良好的应用价值.第四章:在前面特征提取的基础上,我们在介绍了一种较传统神经网络更为优越的分类算法:支持向量机(SVM),并用该算法对图象进行分类检测,和传统的分类结果进行比较,结果表明该算法便于实现,在扩展性和分辨率上都有较好的表现,同时也说明了前面的特征提取算法对目标图象的描述较为准确.有良好的推广价值.第五章:改进传统模板匹配方法,提出弹性匹配的概念.并在目标图象的Gabor小波分解与模型Gabor网格之间弹性匹配的基础上,根据匹配评估准则,得到最终的匹配识别结果.第六章：该文结论并对未来研究提出展望.