图像处理和识别技术是一门跨学科的前沿高科技。近20年来，随着计算机和信息科学的发展，图像处理与识别技术发展更为深入、广泛和迅速。目标识别的方法可以分为三大类，即基于知识的识别方法、基于特征的识别方法和基于模型的识别方法。 在总结目前国内外研究现状基础上，本文研究了一种基于退化模型的目标识别方法。针对基于知识的识别方法在经验、知识及认知模型等方面的不足，希望通过建立物体退化模型的方法，对物体进行确切的描述，从而更好的进行识别。主要完成以下的工作： 1．针对基于知识、特征的识别方法等传统目标识别方法存在的不足，提出了一种基于退化模型的目标识别方法。介绍了基于退化模型的目标识别方法的基本原理和方法。 2．对各种边缘检测算子的检测效果进行分析，并考虑实际应用中实时的识别，对边缘检测算子进行选定。 3．本文提出了使用物体的水平和垂直边缘作为特征。针对Hough变换的缺点是运算量大，而且由于不考虑各点之间的距离信息，因此容易将不属于线段上的点也连接到线段上，即产生所谓的过连接现象。作者对Hough算法进行了改进，使得整个算法没有使用乘法运算，计算时间大大缩短。同时在变化过程中把每条线段上的点的坐标都记录下来，根据这些点的坐标连接成线段，这就不会产生所谓的过连接现象。 4．对于本试验中输入特征数目很大，神经网络不能达到很好的识别精度，本文提出采用Snow学习机制对样本进行学习，提高了学习效率，增加了算法的可靠性，提高了目标识别精度。 目前通过试验证明，基于退化模型的目标识别方法是可行的，并且可望在三维目标识别研究领域占有显著的地位。