图案在人类生活中几乎无处不在,体现着人类对美好生活的追求。随着社会的发展和技术的进步,图案创作逐渐从手工模式向利用计算机进行创作的模式转变。目前利用计算机创作图案的方法主要有三类：计算机辅助设计、利用数学模型生成和基于图案知识的智能化设计。这三种模式与传统的手工模式相比,无论在创作效率、质量还是对图案素材的复用方面都取得了很大的进步,但也存在着各自的应用局限性。例如,对于形式自由多变的花卉图案,建立确切的数学模型或规则表示存在一定的困难。本文在系统分析国内外相关研究工作的基础上,针对花卉图案创作中存在的难点和问题,提出了一种利用范例学习及特征匹配技术的图案创作新方法和一种新的目标特征描述模型；并提出通过训练数据将人的感知经验引入到相似性度量,以提高相似性匹配的精确度。本文主要的研究工作和创新点包括：(1)针对草图和图元这类只有边缘信息的目标,本文提出一种新的基于目标轮廓的射线描述模型,它使用轮廓采样点的局部特征和空间关系来描述目标,利用最大表决机制来实现目标的匹配和几何变换不变性；实验证明该模型在表达目标的形状特征方面具有较好的健壮性,既可以用于匹配具有清晰轮廓的目标,也可用于从复杂的图像背景中检测目标。为更好地表达花卉图像目标,设计了基于分类的特征选择算法,并提出基于最近邻的图像目标相似性匹配算法；获得的最优特征和匹配算法在花卉图像目标匹配上取得了较好的效果。(2)相似性度量是模式识别和计算机视觉的基本问题,利用距离来度量目标相似性是一种典型的方法。但距离只能反映目标的几何相似性,与人感知的相似性有一定的差距。针对这一问题,本文提出利用训练数据的统计特性来提取视觉相关因子,并通过视觉相关因子将人的视觉经验引入到相似性度量中,提高相似性匹配的准确性。结合视觉感知具有模糊性这一特点,重点研究了使用隶属度作为视觉相关因子的方法,分别提出了基于特征空间划分的隶属函数构造方法和基于特征值分布的隶属函数构造方法。实验证明,引入视觉相关因子后的相似性度量方法与视觉感知的结果更一致。(3)针对花卉图案艺术风格很难精确地描述和表达这一问题,本文提出了基于范例的图案创作方法,该方法不需要提取领域知识模型,知识获取过程简化为图案范例的收集过程,执行过程是从输入对象到范例的特征匹配过程。本文给出了两种图案创作模式及具体创作流程,一方面可以将记录用户创作灵感和意图的手绘草图转化为图案,另一方面,为用户提供了一种简单可行的由花卉图像生成风格化图案的途径。本文的方法有助于降低图案创作过程中的交互复杂性,提高创作效率。