通过形状识别实体是计算机视觉识别的一个重要手段,这种方法在科学研究和社会实践领域得到了广泛的应用,如目标识别、数据检索、医学诊断等。人们一直试图能够制造智能机器,拥有与人类一样的识别和判断能力。形状是视觉首先得到的信息之一,同时形状也是实体的重要的特征,因而对实体形状的分析识别也是智能机器的一个重要的能力。上世纪60年代至今,随着计算机技术的发展,很多学者对形状分析识别做了大量的研究,并取得了许多成果,如基于实体轮廓的数值化方法的周长、面积、紧凑度(周长的平方/面积)、矩形度(面积与外界矩形面积的比值)、离心率(最长弦和垂直于最长弦的弦的长度比)、形状签名(Shape Signature)等；基于非数值化的轮廓线方法的链码、句法分析(Syntactic Analysis)、边界估计(Boundary Approximations)、尺度空间(Scale-space)、边界分解(Boundary Decomposition)等；基于区域的数值化方法的矩、形状矩阵与向量等；基于区域的非数值化方法的中轴变换、凸包等。本文探索讨论了形状分析识别的方法,提出一种基于图谱描述形状,从而达到形状分析识别的目的。与以前的形状识别方法相比,形状描述子较简洁,易于分析识别。通过对形状的剖分生成由Delaunay三角形基元组成的三角网,再利用矩阵对图的表示得到形状对应的图谱和矩阵范数,形成对形状的度量,最后对这些度量进行分类,从而实现形状的分析和识别。本文的方法对形状的平移、缩放、旋转具有分析不变性,对形状边界扰动的抗干扰能力强,并由于Delaunay的灵敏性,对形状的变化非常灵敏,能识别出形状的细微区别。