1、圖像識(shí)別是模式識(shí)別技術(shù)的應(yīng)用之一，是人工智能的重要領(lǐng)域，也是計(jì)算機(jī)視覺(jué)中較為常見(jiàn)的分支。通過(guò)運(yùn)用現(xiàn)代信息處理技術(shù)和計(jì)算機(jī)技術(shù)，來(lái)完成人對(duì)圖像的認(rèn)知和理解。如何讓計(jì)算機(jī)像人一樣去觀察世界、理解世界并最終造福人類，是我們所面臨的一個(gè)不小的挑戰(zhàn)。輪廓的識(shí)別是目標(biāo)識(shí)別配準(zhǔn)以及圖像檢索的關(guān)鍵，對(duì)于圖像的基本認(rèn)知，基于輪廓的識(shí)別比基于圖像顏色和文本信息的識(shí)別更受歡迎。輪廓特征的描述是目標(biāo)輪廓識(shí)別的關(guān)鍵，其概括性和準(zhǔn)確度直接關(guān)系到識(shí)別結(jié)果的好壞。

2、r>　　針對(duì)現(xiàn)有目標(biāo)輪廓特征描述算法的復(fù)雜性和不穩(wěn)定性，本文提出一種新的基于輪廓的圖像特征描述方法。從人類認(rèn)知的角度出發(fā)，提出了層次分明的由全局到局部再到結(jié)構(gòu)的輪廓特征描述子，再將其組合成一個(gè)4維向量作為待識(shí)別目標(biāo)的特征向量。然后，用特征向量間的歐氏距離作為形狀之間的相似度的度量準(zhǔn)則。
　　對(duì)于特征的識(shí)別和匹配，常見(jiàn)的做法是直接進(jìn)行相似性比對(duì)，或是對(duì)特征向量進(jìn)行分類和聚類以達(dá)到識(shí)別的目的。相對(duì)于分類的有監(jiān)督而言，聚類算法是一種無(wú)監(jiān)