在对3D空间的目标进行识别时，通常目标相对摄像系统会发生方位和姿态的变化，具体表现为目标的平移、旋转、伸缩等，这将给正确的识别带来困难。为解决此类问题，本文将不变量理论应用于目标识别中，以解决因目标移动造成的失真问题。本文主要围绕各种矩的不变特性进行了研究，并设计了基于不变量的图像识别系统，用于解决目标的平移、旋转、伸缩和倾斜问题，取得了很好的效果。本文第一部分回顾了矩技术及其相关特性，并提出了一种对图像矩的规格化方法。该方法首先计算给定模式的协方差矩阵，然后根据协方差矩阵的特征向量来旋转和伸缩给定模式，使结果模式对平移和伸缩失真是不变的，而将倾斜问题转化为旋转问题，然后根据“图像椭圆倾角”以及旋转后的图像的三阶矩的符号来旋转图像，以使其对旋转变换也保持不变。这样，结果模式对平移、伸缩、旋转和倾斜变换都是不变的。第二部分实现了一种基于Zernike矩的图像识别系统，该系统首先通过第一部分提出的图像规格化方法解决平移和伸缩失真，并将倾斜问题转化为旋转问题；然后使用正交Zernike矩的幅值作为旋转不变特征解决旋转失真问题。在提取特征时，目前大多数已有技术都使用确定数目的特征，本文提出了基于重建过程来确定所需Zernike矩的最高阶次的系统方法，并用加权规格化互相关方法和26类字符数据对该方法进行了测试，得到的分类精度远远高于用规则矩和矩不变量作为特征的方法。最后，将该识别系统嵌入到实际的监控系统中进行测试，得到了很好的识别结果，证明了改进后的识别算法能够很好的解决失真问题。