随着计算机技术的飞速发展,基于模式识别的图像处理已经成为图像识别领域重要的研究和发展方向之一。本文的研究内容是Hough变换及不变矩理论在图像模式识别中的应用。文中以模式识别为基本理论平台,以图像处理技术为基本手段,结合新兴领域的理论工具(神经网络等),分别对图像分割,图像特征提取,图像分类识别三个问题作了系统研究,并提出了有效的解决方法。论文主要内容安排如下:本文首先综述了模式识别在图像处理中的主要识别方法(统计决策法、句法识别、模糊识别、神经网络),讨论了模式识别的一般策略及关键技术,最后给出本文所采用的图像模式识别系统结构。神经网络对于解决模式识别问题来说,可以实现特征空间较复杂的划分,适合于高速并行处理系统来实现。因此,本文将神经网络技术同图像特征提取相结合,采用BP神经网络和RBF神经网络技术对图像进行识别,并进行了一些简单和复杂图像识别实验。本文对Hough变换及字符的自动识别技术进行了一些研究和探讨,给出了Hough变换的权值积累算法,提出了一种基于Hough变换和RBF神经网络的字符识别方法。该方法利用Hough变换的点——线对偶性,结合字符的结构特点,对识别字符进行Hough变换,将字符在参数空间中共线点的个数及其元素在图像映射空间中所对应的位置坐标,作为RBF神经网络识别系统的特征输入矢量,从而减少字符特征矢量的维数,全面反映字符点阵的总体分布情况及其形状的本质特点,并把Hough变换应用于RBF神经网络的参数确定中,实现RBF神经网络的隐层节点数和数据中心值的自动获取,提高RBF神经网络的泛化能力。矩技术因其具有数学上的简明性及多样性而得到了广泛应用,例如计算机视觉和模式识别等方面。本文在图像分割基本原理的基础上,提出了适合于本课题实际情况的区域分割和预处理算法。针对目标二维形状发生平移、旋转和尺度变换的情况,选取合适的矩不变量对不同目标进行识别,