形状匹配技术是机器视觉、模式识别中的一个重要课题，在目标跟踪、视觉导航、图像配准和拼接、基于内容的图像检索等诸多领域都有着十分广泛的应用。虽然很多学者已经对形状匹配展开了大量的研究工作，但是仍然有很多的难题没有解决，如形状的遮挡、匹配效率以及抗噪性能等问题。本文从物体的轮廓出发，深入研究了轮廓曲线的形状描述与匹配算法，并将研究成果应用于图形拼接和图像检索中。本文的主要研究内容和贡献是：1、介绍了形状匹配的关键技术。对形状匹配做了深入的研究和分析，首先对形状描述方法做了深入的分析，并分别从基于轮廓的形状描述符和基于区域的形状描述符两个方面，详细分析了常用的形状描述方法以及每种方法的优缺点；然后对形状匹配算法进行了研究，特别是对相似性度量准则做了深入的研究。2、改进了传统的同心圆描述形状的方法，该描述方法以同心圆为基础，其描述集由一组半径和三组角度组成，每组角度分别为i、 i、 i，通过比较同心圆描述集的差异度来判定形状的相似度，改进的方法具有了旋转、平移、缩放不变性。3、针对曲线匹配的效率与鲁棒性问题，提出了一种基于子矩阵和同心圆划分的曲线描述与匹配算法。该算法分为粗略匹配和精确匹配两个阶段。粗略匹配阶段采用子矩阵方法来描述与匹配曲线。精确匹配阶段首先采用改进的同心圆划分的方法描述曲线；然后通过两条曲线同心圆描述集的差异度度量函数来度量其相似性。算法不仅具有旋转、平移、缩放不变性，而且具有较强的鲁棒性，可用于遮挡物体的匹配以及图形拼接。实验结果证明了该算法的有效性和可行性。4、针对基于距离聚合向量的形状描述方法抗噪性能差的不足进行了深入的研究，提出了一种基于多尺度距离聚合向量的形状匹配算法。该算法首先利用高斯函数进化图像轮廓；然后对原图像和进化后的图像轮廓分别提取质心距离聚合向量，通过合理分配各个向量的权重融合得到多尺度距离聚合向量。该算法不仅具有平移、旋转、尺度不变性，而且具有较强的抗噪性。将该算法用于图像的检索，可取得比原算法更好的检索效果，对比实验表明了该算法的有效性和鲁棒性。