视觉是人类认知世界的重要途径,由于人眼摄入景物时的整体性和人的神经系统处理信息的高度并行性,人的视觉系统识别图像是轻而易举的事情;而目前计算机处理图像数据是逐像素进行的,缺乏整体形象的指导,其自动识别图像的准确率和效率还远不及人的视觉,虽然近年来计算视觉技术发展迅速,新的研究成果层出不穷,但仍存在诸多具有理论意义和实用价值的课题需要研究探索。二维图像的分析和二维对象的识别是计算机视觉的重要研究内容之一。对图像进行分析的目的是要识别其中的对象,首先要分割出对象,然后提取描述对象的特征,并依据特征识别对象。可见图像分割、对象特征提取、基于特征设计识别算法,是图像对象识别的关键问题。针对图像对象识别中的关键问题,结合实际科研工作,本文对指纹图像分割、对象形状特征描述、枪痕图像识别等问题进行了探索研究,主要研究工作概括如下:1.提出并实现了基于支持向量机(SVM)的指纹图像分割方法。支持向量机是近年来备受推崇的机器学习方法,分析所处理的指纹数据库的特点,提出并实现了一种用图像块方差和块对比度构成SVM特征的指纹分割算法,该算法在FVC2002db4数据库上取得较好的分割结果,正确分割率高于95%。2.提出了一种将局部分析和全局分析相结合,综合评价指纹图像质量的方法。算法首先将指纹图像划分成32×32的子块,对每一块作FFT变换,计算块频谱分布图的最小转动惯量和偏心率,从这些参数得到块质量的局部分析结果;其次考察每块图像的频域特征参数与其8近邻块相应参数的关系,从纹线流势的全局观点,聚类形成图像的清晰区和模糊区;算法最后综合局部分析和全局分析的结果,得出指纹图像的质量评分。实验结果表明这是一种合理的、有效的质量评价方法。3.提出了一种表示图像对象形状的边缘相对方向特征。将图像对象形状的边缘信息抽象成由特征点及边缘相对方向构成的特征图,基于特征图,可以设计出对平移、尺度、旋转变换具有不变性的对象形状识别算法。将边缘相对方向特征应用于手势图像识别,实验结果证明了该特征的有效性和高速性,三种手势的识别率高于98%,平均每幅图像的识别时间少于0.45ms。4.提出并实现了非制式枪枪痕图像识别方法。非制式枪枪痕图像的计算机自动识别目前尚未见到比较成功的相关报道,此前非制式枪枪痕识别工作是由专业人员在显微镜下进行人工比对识别的,其效率非常低;我们提出并实现了非制式枪弹头枪痕图像的识别方法,算法提取枪痕图像的SIFT特征进行比对识别,取得了比较好的识别效果,并通过了“公安部刑事技术产品质量监督检验中心”的检验。