本文重点研究了基于不变矩的图象特征匹配识别算法及基于MSEA的模板匹配识别算法。在图象识别基本原理的基础上，本文从传统模板匹配算法入手，提出了一种模板匹配的改进算法：多级顺序排除算法（MSEA），通过实验仿真，与传统模板匹配法相比较，该算法匹配效率高，运算速度快，且不降低识别精度。针对具有缩放、旋转等非本质变化的图象，本文采用以不变矩作为特征量的特征匹配算法，研究了基于Bamieh矩、Zernike矩和Hu’s矩的特征匹配算法，实现了对具有上述特性目标图象的识别。从上述不变矩的整体性特点出发，本文提出了结合“爬虫法”和投影法的区域分割方法，通过小波模极大值法的预处理，提高了目标区域分割的精度。本文对五类模板五十个样本训练了k-近邻分类器，并利用此分类器对数百个不同目标进行识别，得出了几种不变矩在不同阶数、是否含有噪声的情况下的识别结果并对识别性能进行了比较。实验表明，上述不变矩均具有较好的识别性能，而Hu’s矩具有在有噪情况下稳定度高、计算量相对小的特点。针对Hu’s矩，本文利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率，完成了尺度变化比例、旋转角度的计算输出。