数字图像处理是现代工业中广泛应用的技术之一，目标图像辨识技术作为数字图像处理中的一个新兴研究方向，在工业质量监控系统中有着广泛的应用前景。 此前，有很多人做过这方面的相关研究，但是大部分工作都局限于背景简单且目标图像与背景反差较大的场合。但是在实际的工业生产中，往往存在着背景复杂，目标图像形状不规则，且目标图像颜色和背景相似的情况。在这种情况下，上述的方法不能有效地实现目标图像的辨识和判断。 针对这一情况本文进行了一定的研究探讨。本文中，目标图像辨识技术的应用实例是柴油机油泵锁紧垫片的安装检测系统。在这一应用实例中明显存在着上述的背景复杂，且目标图像与背景相似的情况。对此，本文首先对原始图像进行拉普拉斯空间锐化处理，突出了图像的细节和边缘。再利用模版匹配技术在原图像的范围内找出待测工件基体图像，然后对找出的待测工件图像进行校正裁减、二值化处理、形态学处理等一系列手段，突出待辨识的目标图像的特征，最后通过统计目标图像中白色像素点的方法，判断工件是否正确安装。 由于目标图像与背景颜色及其相似的问题，待测锁紧垫片的一侧边缘很难提取。为了解决这一问题，本文设计了能在待测工件表面产生稳定反光带的照明环境，利用目标图像的反光带作为图像辨识的重要特征，达到准确判断锁紧垫片是否正确安装的目的。 在模板匹配技术是本文着重研究的技术，本文利用目前较新的Harris探测算法，通过计算每个像素点周围像素点之间的灰度变化值来确定特征点，然后提取出特征点加以保存，这样就减少了模板匹配中图像的信息冗余，从而减少了模板匹配时间。 在模板匹配过程中，本文还尝试一种新的方法——Zernike矩算法。先计算出像素点的Zernike矩，再以Zernike矩的模的形式进行模板匹配。由于图像发生角度旋转时，它的Zernike矩只有相位的移动，模保持不变，所以利用Zernike矩可以实现待测工件基体在不同的角度下的模板匹配。 现场的实验结果证明，通过综合应用本文所研究的目标图像辨识技术，可以可靠的实现装配质量在线监测。本文的研究实现了对复杂且相似背景中目标图像的辨识，从而扩展了目标图像辨识技术在工业生产中的应用范围。