目标识别一直是计算机视觉的研究热点，而目标的成像畸变和目标的局部遮挡或缺损是其中常见的问题，并且也是经典难题，因此进行相关的研究具有及其重要的意义。而选择可靠的描述方法和匹配方法是其中最为关键的问题。在模式识别的诸多应用中，如果目标轮廓包含足够的信息，那么目标识别可简化为平面曲线的匹配问题。本文主要围绕目标图像发生仿射畸变和轮廓存在部分遮挡和破损情况下轮廓曲线的描述和匹配方法进行研究。通过理论分析和实验比较，结合本文的实际情况，选取了canny边缘检测算子提取目标轮廓。为了去除噪声，本文先利用高斯平滑函数对图像进行处理，从而使得目标的轮廓曲线变得平滑。然后提出了一种适用于本文的轮廓跟踪算法，按照逆时针方向获得轮廓曲线的有序的像素点坐标序列。最后在CSS角点检测的基础上用一种改进的角点检测算法进行角点检测，达到了较好的检测效果。首次定义和提取了一种新的仿射不变点——弦高点，该特征点是在每段子曲线上重新采样的点，具有比一般的特征点（角点、拐点、切点）更加精细地描述曲线的特性，能解决轮廓曲线平滑，特征点少而不能被精确描述的问题；新定义的弦高点是仿射不变点，且构造的不变量也具有仿射不变性，因而该方法适合于仿射变换；弦高点和新构造的仿射不变量均是局部不变量，故该方法对于轮廓遮挡也具有较好的鲁棒性。此外该方法在识别向量匹配的基础上增加了子曲线凹凸性的判断识别，不仅能匹配特征向量不同的曲线，对于凹凸性不同的子曲线段也能区分开。理论分析和实验结果都表明了该算法效果较好。利用对曲线进行奇异值分解后产生的子空间轮廓曲线只存在旋转变换的性质，将现有的用于轮廓曲线匹配的奇异值分解算法做了改进，算法首先通过构造目标函数，并求目标函数的最小值，找到待匹配目标轮廓曲线中的最佳匹配段作为初始匹配段，然后在初始匹配段的基础上按逆时针和顺时针方向逐步增加像素点延伸匹配的方法将满足匹配要求的曲线部分配准，理论分析和实验结果都证明了改进后的算法在曲线被局部遮挡或者缺损的情况下仍然能够进行曲线部分匹配，并且达到了较好的匹配效果。本文提出的识别算法都适合于仿射变换，并能处理遮挡。