在图象处理和计算机视觉研究领域中，目标物体的定位始终是一个值得探讨的问题。目标定位技术是数字图象处理领域中的一种新的应用，在诸如武器精确制导、医疗辅助诊断、人机交互研究等军事、医学和计算机科学及众多领域中，都广泛采用了这一技术。 本文以医学图象中脊柱的定位为应用背景，介绍了一种基于统计形状模型的主动形状模型(ASM)进行二维物体目标定位的理论框架。它首先运用主分量分析方法(PCA)建立目标轮廓的先验模型，而后通过学习的方法不断调整模型参数来减少模型与目标轮廓的距离误差，最终在多次迭代后达到模型与实际目标的匹配。以ASM方法为基础，本文以真实的医学脊柱X-光图象为训练样本，进行了大量的定位实验，实验结果表明：与传统的目标定位方法相比，ASM模型具有较高的准确性。同时，ASM方法定位目标物体的速度比常用的模板匹配法等有显著的提高。为了提高ASM方法的通用性，本文采用了一种新的“二维采样窗”的改进方法，该方法将原有的一维搜索空间扩展到二维空间，提高了定位方法的抗干扰性。在ASM模型的基础上，本文还简要探讨了主动表观模型(AAM)的定位方法，AAM可以根据当前合成图象同目标图象之间的表面灰度差异逐步调整统计模型参数，使得合成模型更加逼近目标物体。最后，将独立元分析(ICA)引入到ASM模型的建立过程中，明确了模型本身的物理意义。