基于机器视觉的目标识别技术是建立在计算机视觉和图像处理基础上的一门新兴技术,它通过图像处理提取待识别目标的各种特征,并对特征进行理解与匹配,最终实现目标的自动识别和分类,它是实现工业自动化生产的重要研究技术之一。由于目标摆放角度和相机摄像高度的变动,目标在相机视野中会发生旋转与尺度的变化,另外在混线生产中会有多种待识别目标,因此研究具有旋转与尺度不变性的多目标识别技术已成为基于机器视觉的目标识别技术的重点之一。本文以提高具有旋转与尺度不变性的多目标识别算法的速度与准确率为目的,对基于机器视觉的目标识别算法进行了研究与改进,本文主要工作概况如下:首先,在工业应用中,基于机器视觉的目标识别技术不仅要识别目标的类别和位置,还要识别出目标的摆放角度,针对这一问题本文基于目标轮廓提取出目标主轴,以其旋转角度来表示目标的摆放角度。其次,针对现有的基于轮廓角点的目标识别算法在准确性与抗噪能力上的不足,提出了基于角点角度特征串的具有旋转与尺度不变性的多目标识别算法,利用目标轮廓角点和目标主轴来构造角点角度特征串对目标进行识别,实验证明该算法在速度、准确率和抗噪性能上具有一定的优越性。再者,针对基于目标轮廓的识别算法在目标适应性上的不足和基于目标区域内容的识别算法在实时性上较差的问题,提出了基于目标轮廓与区域分割的多目标识别算法,该算法通过对目标区域进行行等间分割提取出区域特征点构造特征向量对目标进行识别,实验证明该算法不仅对目标具有较强的适应性,且在实时性上具有很大的优势。最后,本文将提出的算法应用到高速生产线上对目标进行自动打标的工业应用中。本文的研究成果不仅仅可以用于目标的自动打标应用上,还可以扩展到其他领域产品的在线识别上,应用前景广阔。