作为图像分析、模式识别和计算机视觉中的重要组成部分,形状匹配问题具有重要的理论研究意义和实际应用价值。在文字识别、视觉导航、物体的检测、识别和跟踪、卫星影像的定位、医疗诊断等众多领域都有广泛的应用。物体的主要特征是形状,而轮廓又是描述形状的关键属性,因此,形状匹配问题可以转化为曲线匹配问题。Freeman链码在平面曲线匹配方面已经取得一定的研究成果,本文在此基础上对其进行了研究并拓展,论文内容主要包括以下四个方面：1.阐述曲线匹配的研究背景和意义,然后就目前国内外对曲线匹配的两大类算法(采用样条逼近来表示轮廓曲线和基于轮廓曲线的不变特征量来寻找使匹配误差达到最小的匹配方法)进行概述,最后对匹配的后续工作,如拼接和复原方面的工作进行概述。2.总结了相关领域的前沿研究方法,其中主要包括轮廓曲线的数学表示、形状匹配的方法以及物体形状的描述方法。对于轮廓曲线的表示,通常采用样条、链码、多边形逼近以及基于尺度空间的特征点等来进行轮廓曲线的表示；对于形状匹配,主要存在三种方法,分别是依据变换域特征的不变量、依据几何特征的全局不变量的形状匹配方法、基于局部特性的形状匹配方法；关于形状的描述,主要阐述了矩、Fourier描述子、小波描述子、形态学描述子、V描述子等几种基于变换域不变量的形状描述方法。3.提出一种基于Freeman链码的新的平面曲线匹配方法,这种算法的基本思路是：先是借助边界提取算法得到图形的边界曲线,继而借助边界跟踪算法获取边界的Freeman链码,将Freeman链码分为两类,根据这两类的判断规律分别确定拐角点；然后依据特征线段的长度和特征点的曲率去除一些伪拐角点,以得到标准拐角点；最后根据标准拐角点的曲率序列求得的归一化互相关系数进行粗糙匹配,再通过长序列的归一化互相关系数进行精确匹配。相比以往基于Freeman链码的方法,新方法的优势是这种方法简单有效且运算速度较快,易于实现,大量的真实实验表明了该方法的有效性。4.对本文所论述的内容进行总结,同时分析本论文所做工作的不足和需要改进的地方,以期为以后的学习和工作提供指引和借鉴。