基于机器视觉的目标测量与识别技术凭借其快速、精确、柔性高等优点在国外得到了深入研究与广泛应用,在国内也越来越得到重视。本文以工件尺寸测量与识别和航拍序列图像电力线的识别为研究对象,深入研究了两类目标的机器视觉检测技术。对工件图像进行识别和测量。首先,本文根据目标工件具有表面光滑易反射的特征,设计了LED均匀背景光照明系统,得到了目标与背景对比度高、边缘轮廓清晰的图像;其次,对目标图像进行预处理,主要是通过高斯滤波降低噪声干扰,并设计了最大类间方差法和Canny边缘检测的图像分割算法,实现了图像的二值化和边缘检测;然后,设计了二值图像形心判别法和改进的Hough变换圆检测算法完成了目标特征点提取;最后,利用进行相对标定法标定,完成了工件尺寸的测量并做了误差分析。对航拍序列图像进行电力线的追踪识别。首先使用双边滤波线性目标强化算法对线性目标进行增强。然后,对增强后的结果进行基于Hough变换的平行线检测。最后,根据序列图像之间的相关性,对当前电力线的状态进行估计和范围限定后进行序列图像中的电力线跟踪识别。在传统图像增强和识别的基础上分别增加了方向约束和角度约束,使得识别效率得到明显提高。本文设计的基于机器视觉的目标测量与识别方案,能够精确地测量目标工件的尺寸和识别出复杂背景图像中的电力线。实验结果表明,本文改进的Hough变换圆检测和直线检测算法,不仅能够满足检测精度要求,还能在很大程度上提高检测效率,具有一定的理论价值与工程实践应用价值。