基于光学图像的机器视觉是当今的研究热点和难点。如果机器视觉能够像人类视觉系统一样运行,那么计算机以及机械设备将为人类完成更为广泛和复杂的任务,人类社会的智能化程度将极大提高。机器视觉的基本流程为图像预处理,图像分割,物体识别和图像分析。其中图像分割和物体识别又是机器视觉中最为棘手的两大难点问题。已有的图像识别系统大多基于图像检测,将识别任务限定在很小的范围之内,难以处理现实中的复杂场景。本文从图像分割的本质出发,坚持机器视觉模仿/模拟人类视觉这一线索,进行图像处理算法及识别系统设计,最终实现了一套基于分层结构的多物体识别系统。系统的物体提取绕开图像检测,而是采用结合多种图像处理算法实现的多物体分割方案;物体分类器由颜色层、形状层和局部特征层分层组织,更为符合人类视觉的运行机制。最后,本文进行了多组对比实验。实验表明本文实现的识别系统具有如下特点:多物体识别,能够识别的物体范围更加广泛,且物体被系统进行了良好的组织;全自动性,物体识别不需要额外的人工操作;健壮性,系统具备处理较大物体数据库的能力,且对于大规模数据,分层结构的分类器比单层分类器更加有效;可扩展性,系统本身能够被容易地进行重构和扩展,可以灵活地处理不同种类的物体识别问题。