图像识别是模式识别领域中的一种典型应用,也是计算机应用领域中一门崭新的技术,它利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象。场景语义分类和场景中的目标识别是这个领域中的热门研究课题,其中场景中的目标识别针对目标类别问题,让计算机识别出场景中有什么物体,在哪儿出现；而图像的场景分类是场景描述和理解的重要研究内容,目标是根据给定的一组语义类别对图像数据库进行标注,如海岸、山脉、森林、街道等,它为引导目标识别等其他场景内容的进一步理解提供了有效的上下文信息,具有重要的指导作用。本文重点关注图像场景中的目标识别和场景分类问题,在对图像进行色彩、纹理、形状和局部不变性特征等特征提取的基础上,引入了高层语义特征,主要是利用图像中的对象与对象间、对象与场景间的空间关系来进行图像识别,对图像内容的理解上升到了对象及其空间关系的理解,并重点关注图像分块机制、图像中的视觉特征分布对分类效果的影响。具体来说首先以传统词袋模型为基础,根据同类场景图像具有空间相似性的特点,提出一种用于图像场景分类的空间视觉词袋模型,在场景分类和目标识别两类任务上都取得了明显的识别率提升。同样基于同类场景图像具有的空间相似性,以及图像块间内容的相关性,提出一种基于PageRank过滤噪音图像块,再结合先验知识判断测试图像块的场景信息,最后采用图像块语义投票机制的场景分类方法,取得了很好的识别效果。其次,在分析图像特征分布的基础上,提出一种视觉词汇重要性评估方法,在降低图像特征直方图维数的同时,提高了分类准确率。同时通过分析Census变换直方图和PACT特征的分布特点,在CT特征中引入隐含阶梯边缘模板实现了特征降维,在识别率相当的情况下改进了算法执行的效率。再次,将图像识别技术成功应用于一个基于图像识别技术的海冰图像监测系统中,用于测量海冰厚度、密集度和流速等参数,并实现了多种解决实际问题的图像识别方法。同时,提出了一种结合CUDA并行编程模型和OpenMP并行技术的图像特征提取与匹配加速策略。最后,通过深入研究图像模板匹配策略,基于模糊理论,提出了一种用于源码中的设计模式识别的模板匹配方法,有效提高了匹配的准确性。