近几十年来,计算机技术取得了很大的进步,其中,尤为明显的是互联网技术的发展和推广应用,在这一过程中产生了大量的多媒体信息,其中又是以图像信息为最直观、最重要的表示方式。如何从这些纷繁复杂的图像信息中找到所需要的图像也就成为了当今热门的研究领域。在计算机视觉领域中,一幅图像存在这多个底层特征,主要有：颜色、纹理、形状等,其中形状是一种描述图像轮廓的特征,它是人类识别物体最主要的信息,因此形状特征在图像描述和相似度计算过程中起到了尤为重要的作用。形状匹配的研究主要包括形状描述和相似度计算两个方面。在形状描述中主要有基于轮廓的形状描述和基于区域的形状描述两种方法；在相似度计算中主要是按照一定的准则计算两个形状之间的相似度,完成形状匹配。本文主要从基于轮廓的形状描述方法,对形状的描述以及相应的相似度计算方法进行了研究,提出了基于轮廓分割的形状匹配方法和基于图结构的形状匹配方法以及两种方法相应的相似度计算方法。本文的工作的主要内容有：对于形状的轮廓曲线,本文采用离散曲线演化的方法得到简化多边形,根据得到的简化多边形的顶点分别采用：(1)将轮廓曲线分成若干个片段,对于每个小的片段提取片段上的曲率极大值以及空间方向向量作为其片段描述子,然后所有的片段描述子组成了整个形状的描述子,对每两个片段之间进行距离计算得到形状片段之间的距离矩阵,再根据匈牙利算法得到距离矩阵中的最小代价,从而完成形状匹配。实验证明该方法原理简单,易于实现,具有平移,缩放等不变性。(2)进行Delaunay三角剖分得到Delaunay图,使用图结构来描述形状问题,对Delaunay图中的每个图结构提取相同的采样点,根据这些采样点构造最小外接圆,将采样点分割成若干个区域,得到二维直方图来描述形状。然后计算出区域之间的地面距离矩阵,再根据EMD方法的推广形式得到描述子之间的距离,从而完成形状匹配。实验证明该方法能很好的反映不同类形状之间的差别,具有较好的匹配效果,具有平移、缩放、旋转等不变性。