形状匹配是目标识别系统中不可或缺的步骤,其中基于轮廓片段的目标识别是一个很有前途和必要的研究方向。本文以轮廓片段为中心,研究了目标物体的轮廓提取算法、轮廓分段的获取算法、轮廓分段的可信度评价以及轮廓分段的加权相似度匹配算法。全文的主要研究内容如下:研究了轮廓提取算法。为了消除彩色图像传输中的噪声等因素的影响,对图像进行灰度图像增强操作来提升图片质量,将灰度化后图像先平滑降噪,再进行锐化增强处理,使得图像边缘变得更加鲜明。然后经二值化处理减小数据量,最后经边缘检测和形态学处理后提取目标轮廓。仿真实验表明该算法可以有效提取目标轮廓,保留有效特征。提出了基于轮廓特征片段的目标识别算法。为获取有效分段,先研究了基于离散曲线演化的轮廓分段算法和基于弯曲度的分段优化算法,经分段实验结果比较得出,将轮廓弯曲度考虑在内进行轮廓分段优化处理,得到的轮廓分段可以更好地表达目标特征,再将有效分段进行形状上下文匹配,最后根据最优匹配得到识别结果。经仿真实验可知,弯曲度更大的轮廓分段,在形状匹配时更能得到精确的分类结果。提出了基于轮廓片段加权的目标识别算法。针对传统目标识别算法在轮廓匹配时识别率较低的问题,提出加权相似度匹配用于目标分类来提高识别率。先提出局部性和重要性两个参数对分段可信度进行评价,然后在此基础上提出加权相似度匹配,将分段之间的相似度与其可信度结合起来,最后得到衡量识别准确率的加权相似度,它可以有效的反映局部特征相似性与整体特征相似性的关系,得到最佳的分类结果。仿真实验表明,加权相似度有效的提高了目标识别率,并在部分遮挡目标识别上取得了显著效果。设计出了目标识别系统界面,将以上算法进行可视化设计,通过Matlab软件中GUI平台分别设计出了轮廓提取、轮廓分段、形状上下文匹配和加权相似度匹配四个菜单页,使得用户实验时操作更加灵活便捷,所用算法的可用性和移植性更高。