计算机视觉技术已经被广泛应用于测量、控制、监视和识别领域.该文在研究国内外机器视觉系统资料和相关文献的基础上,对有着良好发展前景的目标三维信息提取与三维目标的匹配和模式识别领域进行了研究工作.提出了一种立足于现有技术并随着技术发展的扩充性优良的三维目标处理机制.对使用的现有图像处理方法进行了改进,并提出了一些新方法.该文主要内容如下:(1)针对照相底片图象中的划痕缺陷,应用常规滤波方法进行处理,不能兼顾划痕去除与目标信息保留两方面的性能的问题.首次提出应用小波进行划痕定位的方法.以此为基础,提出划痕修复方法,有效地减少了划痕对目标提取操作的干扰.(2)为了加快图象处理速度,提出基于线条向量描述的新型链码——向量链码,并首次提出完整的编码和解码算法,总结出向量链码具有对偶点、非零点群等特殊性质.通过统计分析,给出了链码码值的分布特性.(3)为提供神经网络要求的固定维数的输入向量,该文提出使用目标轮廓线上的拐点作为目标轮廓特征点,构成神经网络的输入向量.在提取拐点的工作中,利用向量链码的特性,提出一种特征点的快速提取方法.为了更好地在全局范围内提取目标轮廓的局部特征,提出利用Mallat小波进行轮廓局部特征提取的方法,实现了局部特征的有效分割和提取.(4)在利用二维图象提取目标三维信息的研究中,首次提出利用边缘轮廓特征点及其代表的局部凸凹特性做为神经网络的输入,以目标的类特征作为神经网络的输出的网络结构.(5)在进行三维目标的二维投影图象的匹配研究中,采用了线不变矩方法.提出在线不变矩运算中应用向量链码的快速计算方法.为克服面积不变矩计算量大的缺点,首次提出应用二值图象灰度化方法进行快速图象匹配,保持了基于区域面积的匹配方法抗干扰性能好的优点.