分形变换理论已在图像处理、计算机视觉领域获得了一系列成功应用,例如图像压缩、模拟生成地形和云等自然景物。分形变换实质是找到图像内部存在的灰度自相似性迭代函数系数,则图像就可以用迭代函数的参数来表示。将分形编码应用在目标识别是一种新颖的目标识别思想方法,目前在二值图像的形状识别以及人脸识别方面已经有一些成功地尝试,因为分形编码携带了图像的空域分布特征,可以利用它进行目标图像识别,且这种识别方法对旋转、尺度变换、平移以及光照都具有不变性,对人脸的表情变换等也具有一定的鲁棒性。本文在分析传统目标识别方法的基础上,着重介绍了分形编码的理论基础和基于分形编码的目标识别方法原理及实例。将待识别图像作为初始图像,应用已知模式的图像分形编码进行迭代解码,求取待识别图像变换前后的欧式距离(分形邻距)来识别图像; 分形编码的方法和参数,直接影响分形解码后的图像,也直接影响到目标图像识别率。本文分析了分形编码的不同方法,依据最终目的是目标识别,而非图像压缩的特点,尽可能保留图像的特征信息,不追求高压缩比和编码速度,选择了Jacquin 自动分形编码,以提高目标图像识别率。最后以ORL 人脸库为例,针对光照、旋转、遮挡等图像做了充分的实验分析,认为分形变换应用在相似性目标识别方面是极其有效的。受此思想启发,我们认为图像压缩编码也可以被看作图像特征提取,因为其目的是保留图像的主要特征,以使用更少的数据来表述它,而特征提取是模式识别的核心,因此,研究压缩域上的模式识别方法是一项很有意义的尝试。余弦变换是成熟的图像压缩编码,我们也可将它应用在目标图像识别,实验证明,它比特征脸识别方法的识别效率要好。