图像几何变换不变识别是图像处理与模式识别领域的热点问题之一,在机器视觉、卫星遥感、医疗诊断等众多领域有很好的应用前景。图像识别主要包括图像获取、预处理、特征提取与选择、模式分类四个步骤,图像滤噪是图像预处理的重要内容,其处理结果的质量会直接影响图像的后级处理,所以一直是图像处理研究的主要问题。纹理识别是图像识别的重要分支,关于纹理旋转不变分析与纹理方向估计在图像几何变换不变识别领域受到广泛关注。流形学习是非约束环境下的图像识别的主要研究方法,也是数据挖掘领域的重要研究内容,由于几何变换是非约束环境的因素之一,所以流形学习近年来成为图像几何变换不变识别的新的研究热点。本文在图像滤噪、纹理旋转不变分析与纹理方向估计、图像旋转与尺度变换不变识别、流形学习等几个方面进行了研究,主要研究工作和创新点如下:1.图像滤噪,针对高斯噪声与混合噪声,提出了一种基于概率统计模型与图像主纹理方向分析的非线性滤波算法,此算法充分利用了图像的局部特征,在处理同时感染脉冲噪声和均值任意的高斯噪声的图像时,算法效果明显优于其他滤波算法。并针对椒盐噪声提出了一种基于二次噪声检测和细节保护规则函数的图像滤噪算法,该算法对感染椒盐噪声的图像具有很好的细节保护能力与噪声滤除能力,特别是在噪声感染率高(70%以上)的情况下,算法性能优于现有同类算法。2.图像几何变换不变识别,提出一种基于Radon变换与图像归一化提取图像几何变换不变特征,此种方法提取特征简单,对噪声的鲁棒性强。但由于实现尺度变换不变仍然使用图像归一化方法,所以识别精度不高。在此基础上,提出了一种基于Radon和解析Fourier-Mellin变换的几何变换不变识别算法,该算法分类精度高,而且对噪声的鲁棒性也明显高于现有的基于正交矩的识别与分类方法。3.纹理旋转不变分析,提出了两种纹理旋转不变分析算法,一种是基于Radon变换和双谱分析的纹理旋转不变分析方法,基于Radon投影空间的纹理特征具有全局特性,对噪声具有一定的抑制作用,该方法分类精度高,对噪声的鲁棒性强,可以较为精确地估计出纹理旋转角度,但该算法运算复杂度较高。为了降低算法复杂度,提出了基于Radon变换和相关分析的纹理旋转不变分析方法,该方法分类精度高,对噪声的鲁棒性强,可以较为精确地估计出纹理旋转角度,算法运算复杂度较低,是一种高效快速的纹理旋转不变分析方法。4.针对ISOMAP( isometric map)算法的参数选择与稳定性差的问题,提出了一种基于平均距的ISOMAP改进算法。该算法基于平均距梯度自适应地确定邻域k的初值范围,在此基础上对可能存在的“短路”边进行鉴别和删除,由于平均距的获得只需要执行ISOMAP的前两步,所以算法复杂度好于基于残差的ISOMAP算法,另外此算法所用阈值可以通过计算过程自适应确定,没有待定参量。稳定性与对噪声的鲁棒性好于传统的ISOMAP算法。