该文利用小波分解和奇异值分解作为图像识别的特征,设计隶属度函数、BP神经网络和HMMs(隐马尔可夫模型)三种分类器.路径图像识别是指机器人辨别道路方向的过程,包含偏左方向、偏右方向和正确方向三种典型情况.该文用上述两种特征提取和三种分类器方法对路径图像进行识别,完成了具体算法实现与结果对比.主要包括以下几方面工作:(1)对路径图像进行二级小波分解,分别取各个频带输出的L<,1>范数、能量和熵作为图像的特征向量,采用分段隶属度函数对路径图像进行识别;对这三种特征量的识别率进行了讨论;(2)分别对路径图像进行奇异值分解和局部奇异值分解得到的奇异值向量作为图像的特征向量,采用分段隶属度函数作为分类器对图像进行识别,在局部奇异值分解中不同分割窗数对识别率的影响进行了讨论;(3)利用BP人工神经网络分类器的高度非线性和高度并行的分布性来对图像进行分类,分别采用了小波分解的L<,1>范数和局部奇异值分解的组合奇异值向量作为特征量进行分类;(4)采用一种新型的HMMs分类器方法,输入特征向量采用奇异值向量进行分类,讨论了HMMs中对于观察序列聚类数不同时对识别率的影响.