随着LED芯片的广泛应用, 对其进行自动检测成为生产中必不可少的工序。视觉定位系统是LED实现自动检测的关键部分,由于待检测的LED芯片结构相似,数目众多,合适的识别算法成为研究的重点。本文从LED芯片的图像进行分析,对识别算法的可行性和高效性进行研究,提出两种适用于多目标识别的方法。首先引入图像匹配进行识别,研究了几种常用的方法,采用模板匹配实现了多目标的识别,并对衡量标准进行简化和计算量上的优化。由于粒子群算法的记忆功能和粒子间信息共享的机制,利用其进行模板匹配的优化,并提出了跟从粒子群算法。它有两方面的改进：首先赋予每个粒子不同的控制阈值,将粒子分为引导粒子和随从粒子,引导粒子可以产生新的全局最优,从而使全体跳出局部最优,继续搜索；另一方面的改进策略是采用非线性变化的学习因子,以更好的发挥个体和群体的力量。选取其他三种改进策略的算法对跟从粒子群算法进行收敛特性测试,对粒子的比例和数目的影响进行了实验分析。将跟从粒子群优化的匹配算法与模板匹配进行了识别效果上的对比实验。在目标图片存在角度、尺度上的差异时,提出采用分水岭分割后提取关键特征进行识别的方法,采用形态学重构的方法来改进分水岭算法,并采用标记背景和目标的方式进行梯度图的优化。最后选取测试图片对本文提出的两种算法进行验证,跟从粒子群优化匹配算法与常规匹配算法进行准确率和速度上的对比,改进分水岭算法与常规分水岭算法进行分割效果的比较,通过对比证实了本文方法的可行性。