在目标识别领域,相对于颜色、纹理等特征,轮廓特征抗干扰性更强,包含了更加丰富的图像内容信息。本文以目标的轮廓特征为研究方向,研究了轮廓完整和遮挡情况下的目标识别算法。本文工作的主要内容如下:首先,系统地介绍了目标轮廓的提取流程。对目标图像首先进行灰度处理、平滑去噪等预处理,然后比较几种常见的边缘检测算法对于图像边缘提取的效果,最后通过开闭运算、区域填充等形态学处理方法得到目标的轮廓。然后,研究了基于轮廓质心高度增量特征的目标识别算法。为解决传统目标识别算法特征描述不完整、复杂性较高、抗噪性能一般等问题,该算法首先利用轮廓采样点相对于轮廓质心的一系列高度变化构建质心高度增量特征描述符。然后对描述符进行归一化处理使其具有相似变换不变性,进行平滑化处理提升描述符的鲁棒性。最后采用动态规划算法和形状复杂度分析相结合的方法计算特征描述符的相似度。实验测试表明,该算法有效地提高了目标识别的准确率。其次,研究了基于轮廓分段特征描述的遮挡目标识别算法。为解决传统识别算法对遮挡目标识别率较低的问题,该算法首先通过离散曲线演化算法对轮廓初步划分,根据分段的起伏程度优化合并得到完整描述轮廓特征的有效分段。然后采用动态规划算法计算分段间高度函数特征序列的相似度,提出显著度参数评价分段特征相对于轮廓整体特征的重要性,最后将分段间的相似度和其显著度相结合得到识别结果。实验测试表明,该算法有效地提高了遮挡目标的识别准确率。最后,介绍了基于轮廓分段空间关系的遮挡目标识别算法的流程。在基于轮廓分段特征描述的遮挡目标识别算法获得识别结果后,利用轮廓分段空间关系进行二次匹配。实验表明,该算法在高比例遮挡下的目标识别上取得了显著效果。