从图像中自动识别目标,必须克服空间、时间等外部环境变化对成像造成的影响,即研究不变性问题。仿射变换不变性是其中一个重要的研究内容。常规的目标识别系统对目标提取不变性特征,继而通过特征匹配来进行识别和分类。将信息丰富的目标图像转化为规模和维数都很有限的特征矢量,必然伴随信息丢失,用这些矢量代表原目标图像进行匹配存在一定缺陷。本文提出了一种新的目标识别系统框架,首先对目标提取不变性特征并进行特征匹配,通过匹配过程寻找测试图像与参考图像中目标轮廓的位置映射关系,进而求解从参考图像到测试图像的仿射变换参数,并对参考图像重建仿射变换,使目标得到配准。后续过程可以采用包括图像匹配在内的各种方法来进行目标识别。整个过程中不变性特征仅仅用来求解特征点的位置对应关系,并不参与识别和分类。上述方法的关键技术是针对仿射变换设计有效的不变性特征,此特征必须能够用来标定参考图像与测试图像中目标特征点的位置映射关系。同时,在实际应用中,所选取的特征必须能够克服噪声和目标轮廓畸变的影响。针对这些要求,本文提出了骨架凸壳的概念。骨架凸壳是对目标形状几何结构的凸壳描述,不受噪声和细节变化的影响,具备稳定性;同时,它天然继承凸壳的局部性特点。由它构建的不变性特征因为局部性而消除了目标轮廓畸变的影响,因为稳定性而克服了噪声和目标形状细节变化的影响,即使在恶劣的环境下仍然能够使目标得以配准。提取骨架凸壳要求骨架能够正确、稳定地反应目标形状的几何结构。常用的骨架化算法受噪声和细节影响严重,提取的骨架分支很多且不稳定,无法达到不变性感知的要求。本文针对常规算法的不足,设计了分级骨架毛刺去除算法,作为常规骨架化算法的后处理手段,能够有效去除骨架中的多余分支,使骨架更加稳定、正确地反应目标的几何结构,达到应用要求。实验证明,基于仿射变换重建的目标识别方法能够不受仿射变换的影响正确识别目标,并且有效克服噪声和目标形状畸变的影响。