物体识别是当前计算机视觉领域的研究热点,本文针对物体识别领域的传统方法的不足之处,研究了一种能够对大量物体统一建模的物体识别方法,即基于场景相关信息的物体识别方法,简要分析了识别模型和参数。说明了图形基元的获取是该方法研究的重点和难点。本文针对图形基元的获取方法展开了深入研究,主要工作包括:1.将三种常用的图象领域的方法应用于图形基元的获取,分别是基于特征块的方法、基于端点连接的线段检测和基于区域支持的线段检测。基于特征块的方法所提取的特征块具有完整的边缘,它的局限性是要求物体包含足够多的特征分布均匀的特征块。基于端点连接的线段检测从数字线段的微观结构出发提取线段,具有快速简单的特点。区域支持法不需要经过边缘检测,因此具有很强的抗干扰能力。文中详细说明了一种基于线段检测的消失点线段群检测的方法,用来识别和建筑结构有关的具有大量平行线的物体或场景,具有算法简单、速度快的优点。2.通过实际算例深入分析了基于多边形近似的图形基元获取方法。利用曲线的弯度特征约束传统基于全局特征方法中遗传算法的种群空间,加快了算法的收敛速度。针对近似多边形的顶点之间的不同连接顺序造成近似多边形形状的不固定的问题,定义了顶点连接的一种约束条件。定义了近似误差的一种形式,并提出了基于这种误差形式的周长最大化方法,减少了算法的执行时间。提出了多边形近似中通过调节误差阈值控制近似尺度的原理,不同的近似尺度满足不同分辨率的需要。3.针对自然图象中圆弧基元的获取提出了窗口矢量化的分割方法和基于RBF神经网络的分类方法。详细分析了三个主要参数的作用。窗口矢量化的分割方法不需要经过复杂的推理计算,具有快速简单的特点。实验显示窗口矢量化的分割方法在参数取值较优的情况下,能得到理想的分割结果,为圆弧基元的获取提供了一种可行的方法。