形状分类算法在计算机视觉领域具有非常重要的地位，它是物体检测、文本检测、形状演化等方向的基础，并在医学诊断、商业检索、手写输入、标识识别等现实生活中具有广阔的应用前景。对于计算机来说，形状是对物体的一种直观的描述方式，通过形状，可以分析和提取诸如物体类别等信息。形状分类，是将图像中的形状进行匹配和分类，找出他所属的类别。本文对当前的形状匹配和分类算法做了总结和归纳，目前的形状匹配和分类算法大体可以分为三类：基于轮廓的形状匹配和分类算法、基于区域的形状匹配和分类算法、基于骨架的形状匹配和分类算法。本文分析了各种匹配算法和形状分类算法的优劣，基于向量场一致性、匹配算法和已有的形状匹配和分类算法，提出了一种基于向量场一致性的形状分类算法。该算法首先运用基于轮廓的形状匹配算法提取采样点并建立采样点直方图，然后计算相似度矩阵，运用匈牙利算法计算全匹配，继而运用向量场一致性的思路对匹配进行筛选，剔除错误匹配，最后根据匹配情况计算形状间相似度，根据相似度实现形状的匹配和分类。基于向量场一致性的形状分类算法的特点是能通过学习向量场将错误匹配从正确匹配中剔除，挖掘出了匹配点的内在关系，从而大幅度提高匹配的准确度。实验表明，基于向量场一致性的形状分类算法相对于使用的原算法有较大改进，是一种准确度很高的形状分类算法。