物体的形状识别是模式识别研究的重要方向，广泛应用于图像分析、机器视觉和目标识别等应用领域中. 在计算机中物体的形状有多种表示方式,如: 边界曲线上各点的坐标序列, 边界上的点到物体重心的距离以及边界上的随弧长变化的切线方向和曲率等. 基于不同的形状表示方式, 许多种形状识别方法已经被提出, 如: 基于边界特征点 , 不变矩 , 傅立叶描述子和自回归模型等方法. 在日常生活中, 人类的视觉能够很容易地根据边界信息识别物体的形状; 但对于机器来说, 自动识别任意物体的形状却相当复杂. 当物体发生平移、旋转、尺度变换甚至扭曲、遮挡后, 使计算机快速、准确的识别任意物体的形状仍然是一件相当困难的事情.

我们现在所知道的产品的自动识别跟踪检测是智能计算机研究的热点。基于计算机视觉的产品自动检测系统框架，采用多DSP的硬件设施，达到了实时处理的效果。核心算法为用P型傅里叶描述子^[5]进行特征提取，用卡尔曼滤波进行运动目标的跟踪检测。

激烈的市场竞争促使企业不断提高产品质量，有效地管理好产品信息变得日益重要和迫切。当前，对产品的形状和位置的检测是通过人工，静态和若干单点测量来完成的，这无论是检测精度和检测效率，还是劳动强度都已不能适应当今工业生产的要求。在产品的质量检测，仓储管理和运输过程中，一般根据产品的形状，重量与质量将其进行分类。由于人眼分类，状态跟踪，不但效率低，而且容易出错，因此采用光电扫描，图像识别技术，达到自动识别后自动分类的要求，利用计算机控制整个系统的运行，参数的设定，所以具有功能完备，移植型号，调控方便等特点.

人们在日常生活，学习和工作中经常进行识别活动，识别是人类的基本活动之一。例如，儿童在认读识字卡片上的数字时，将它们区分为0-9中的一个，这是对数字符号的识别，在读书看报时，人们进行的是文字识别活动，做某种实验时对示波器显示波形的观察是一个波形识别过程，医生给患者诊断疾病需要对病情进行识别，在人群中寻找某一个人是对人的形体及其他特征的识别行为。随着人类社会活动及生产科研广泛而深入的发展，需要识别的对象种类越来越多，内容越来越复杂和深入，要求也越来越高。为了改善工作条件，减轻工作强度，人们希望机器能代替人类完成某些繁重的识别工作；有些场合环境恶劣，存在危险或人们根本就不能接近，这就需要借助机器，运用分析算法进行识别。人们利用机器可以提高识别的速度，正确率及扩大应用的广度。我们这里所说的模式识别是指运用机器进行分类识别。

我们以一个实例来说明机器的识别过程。模式识别的重要应用之一是计算机自动诊断疾病，其与医生的诊断过程相仿。首先要获得就诊人的有关情况，如要测量体温，血压，心率，还可能对血液等进行化验，作X光透视，B超，心电图，甚至CT。医生根据这些量测结果以及病人的病史等资料，运用自己的临床经验对患者进行诊断，而机器识别是将上述各种有用的资料输入计算机中，在这之前计算机已装入有关的分析算法，这些算法是专家知识，经验的总结和集成，其形式可以是规则，函数，数表；通过计算机程序运用它们，对信息进行分析并作出判断。

2. 研究的基本内容与方案

一．基本内容

1.了解物体形状特征识别的基本理论及工作原理；

2.学习模式识别理论等相关知识；

3.掌握傅里叶描述子及傅里叶变换等相关知识；

4.学习使用matlab进行图像分割与目标边缘提取的程序设计；