为了在简化计算的同时达到较高的定位精度, 提出一种轴向邻域和差边缘检测算法, 用于低信噪比、缓慢过渡的微结构显微图像的边缘检测。首先, 结合显微图像采集系统的配置, 分析了线纹显微图像边缘灰度轮廓特征和基于导数的边缘检测算法的不足。然后, 基于方向信息测度, 定义了轴向邻域和差运算, 依据矩不变理论推导出轴向邻域和差边缘检测算法。实验结果表明: 轴向邻域和差边缘检测算法能够适应不同分辨率的显微图像, 具有较强的抗噪能力和较高的定位精度, 边缘检测效果优于基于导数的算法。该算法用于显微图像时, 其边缘坐标定位方差为0.57 pixel, 微米级线条宽度的测量结果与扫描电子显微镜的测量结果(1.35 μm)相差0.17 μm, 基本满足了测量精度的要求。

为了研究彩色图像的矩不变量特性，采用四元数进行彩色图像处理，以充分利用彩色图像的整体信息，实现彩色图像RGB并行处理。本文把传统灰度图像的矩不变量理论推广应用到四元数层面上来，定义了彩色图像的四元数矩并构造了该矩函数的仿射不变量。实验结果表明：所提出的彩色图像的四元数矩不变量的稳定性要优于L.V.Gool等人提出的彩色矩仿射不变量，其σ/u值提高了2个数量级。所提出的四元数仿射矩不变量可以作为模式识别中彩色目标的特征描述子来实现彩色图像目标的识别与跟踪。

提出一种先估计姿态后识别目标的新方法，克服了传统三维目标识别算法的多义性问题。首先根据航迹三次样条插值函数估算目标姿态，避免了复杂的图像处理过程，计算速度快；然后在虚拟环境中将候选目标调整到该姿态并生成相应的二维模型；最后根据不变矩特征的欧氏距离识别出目标。实验表明，该方法具有较好的准确性和实时性，对于提高三维目标识别的效率具有理论意义。

图像在经过平移、旋转和尺度变化后是否仍具有很好的检索效果是基于形状的图像检索研究的一个难点。本文提出了一种利用Krawtchouk 矩不变量实现基于形状的图像检索方法。该方法首先对图像进行灰度变换，然后提取图像的低阶矩，取16 个低阶矩不变量作为图像的特征向量，并按照相似性度量输出相似图像从而实现基于形状的图像检索。文中给出了实验结果，并与基于几何矩不变量和基于Zernike 矩不变量的图像检索方法进行了比较。结果表明本文的方法具有更好的检索性能，和上述两种方法相比，查全率分别提高了21.52%和7.6%，查准率则分别提高了16.25%和6.25%。

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域；然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑；最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明，该算法不仅取得了更好的轮廓平滑效果，而且在强噪音条件下能够显著提高识别准确率.

不变矩方法是一种经典的特征提取方法。文中针对纹理细节信息较少的特定目标,首先在七个不变矩的基础上构建了组合矩。该组合矩具有旋转、平移、比例不变性和良好的类间可分离性,大大降低了算法的复杂性、提高了抗干扰能力。为了进一步提高匹配速度,引入多分辨率小波分解,利用低频系数来计算图像的组合矩特征量进行模板匹配。实验表明,对于细节信息较少的目标,该方法是一种具有较高实时性和鲁棒性的目标匹配算法。

特征选择是目标识别中的重要问题。对于有着3个参数(m，n，q)的小波矩来说更是如此。基于2类模式的特征选择思想，提出多类模式下绝对可分的特征选择算法，给出图像数值化处理中参数(m，n，q)的合理取值范围。实验结果表明：无论是对差别比较大、差别比较小还是混合型的多类目标，经过此特征提取出来的小波矩都有着较好的识别效果。

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标。由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大。本文提出一种针对红外目标跟踪的融合算法,该方法融合直方图和不变矩的特点。首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仅为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差; 其次,利用边缘不变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度。实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度。