室内静物识别属于计算机视觉领域范畴，主要难题是外部特征受拍摄视点的影响很大，目前研究主要分两个大方向，其一是致力于检测或者分类；其二是图像匹配方向，有限物体的图像组成图像数据库，计算机得到现实情况下拍摄的图像之后和数据库中的图像做匹配操作，然后将输入图像对应的数据库图像的类别进行输出。本论文的研究角度是后者，并讨论了在这个课题上的一些研究工作，文章介绍的主要内容包括以下工作：对目标提取进行了研究。本文提出先用颜色直方图结合阈值方法提取出初始目标区域，再将原始图像转换为灰度图像并提取连续边缘，两者经过轮廓匹配之后，运用异或运算找到两个相异的区域，最后通过计算区域距离对初始目标区域进行修正，从而得到最终目标区域。该算法由于首先利用了颜色特征提取目标的大致区域，减小了时间复杂度，同时颜色和空间信息的结合减少了过分割和欠分割现象。对物体识别中的物体特征提取进行了研究。构建了综合特征方法，该方法融合了形状、颜色、纹理特征。在形状特征提取方面，选取了前5个Hu矩的低阶矩，由于Hu矩不能反映仿射性，提取了6个仿射不变矩加以补充物体的形状特征；在颜色特征提取方面，提取了6个颜色矩值特征；在纹理的特征提取方面，分别选取能量、熵、惯性矩和相关性这些特征的均值以及标，准差，用这8个特征参数组合描述纹理信息。对物体识别方法进行了研究。用COIL-100物体图像库的100类物体的7200幅图像及自己拍摄的18种不同物体1296幅图像用于实验分析。分别提取了单一特征如H,u不变矩、颜,色不变矩、仿,射不变矩、纹,理特征以及综合特征，并用支持向量机、极限学习机、最近邻分类器三种识别方法进行对比实验，证明了基于综合特征的支持向量机物体识别方法具有较高的识别准确率和良好的稳定性。