形状是物体的基本内在特性,是用于目标识别的重要特征,因此目标的形状识别成为计算机视觉和模式识别中一个十分重要的研究方向,已经被广泛应用到产品检测,目标跟踪等领域。形状的特征描述是图像识别的关键,特征提取的好坏直接决定了目标识别的效果,所以形状特征的描述和提取是本课题研究的主要内容。本文重点研究了不变矩和傅里叶描述子这两类经典的形状特征描述方法,对其基本原理、方法以及典型的改进算法进行了深入的讨论和分析,总结归纳了两类算法各自的优缺点。针对适用于实时图像处理的目标识别系统,本文提出了一种结合矩特征和傅立叶描述子的形状识别新方法。该方法以质心为中心将物体划分为多个扇形区域,计算各扇形区域的矩特征值获得表示物体形状的矩特征序列,再通过离散傅立叶变换得到具有平移、旋转以及比例不变性的归一化矩特征傅立叶描述子。实验结果表明,该方法对目标形状的平移、旋转和比例变换具有不变性,能准确地识别二维物体和三维物体的形状,具有很好的实时性和很高的识别率,有着良好的工程应用前景。与传统的形状不变矩相比,本方法运算量小,处理速度快,能满足实时图像处理的要求。与传统的傅里叶描述子相比,本方法稳定性更好,区分能力更强,识别率更高。