随着摄像技术的发展，图像的清晰度越来越高，人们在对图像中的物体进行检测时的要求也越来越高。在复杂的图像中目标往往彼此干扰，检测的图像和实际就会产生偏差，采用亚像素的方法对图像进行检测，可以提高图像中目标特征检测的精确度。　　亚像素边缘算法主要以基于Zernike矩正交算法为主，在这个算法的基础上进行了改进，能够在一定程度上解决这些问题。　　在图像的预处理的阶段，采用了最佳的图像降噪的算法，使图像更加平滑清晰。并通过直方图均衡的方法，增强了图像不同颜色区域的对比度，提高了图像区域分割的精度。　　图像的识别阶段采用Hough算法改进的椭圆检测算法，通过亚像素的边缘算法的精确定位，能够更加准确的找到椭圆的中心点和长短轴，再通过椭圆的各项参数对靶目标进行定位定向，并通过相应的参数找到椭圆中待检测的数字。　　靶目标标号的特征检测采用了Harris-SIFT算法。通过DOG算法提取的目标偏转不变特征点，这里简化为提取角点，并计算出角点附近区域各个方向的灰度变化特征向量，并将特征向量进行了简化。　　使用简化的SIFT特征值作为神经网络的输入，通过BP神经网络检测出目标的号码。对BP网络添加了动态变量使得训练过程更加平滑。　　对于发生较大偏转的图像，为了让目标保持比较标准的形态，采用了基于亚像素的双线性插值算法对目标进行仿射变化。　　通过最终的演示程序的效果和程序的运算时间可以证明算法的可用性以及准确性，并通过单元测试和集成测试确保了程序各步骤运行结果达到要求。