中文摘要：

项目针对不同应用深入研究了复杂彩色目标识别的各种方法。基于反映客观世界模糊性及人类思维和识别特点的模糊模式识别原理，以模糊集的形式提取目标的特征量，分别构建模糊综合判别函数和模糊推理系统，实现了复杂彩色目标的颜色、形态及尺度的融合识别；基于减法聚类和模糊C均值聚类，获得了复杂彩色图像中颜色的最佳聚类；借助灰色分割面获得的最佳颜色函数把三维问题转化成二维问题，实现了自然场景下苹果图像的快速有效分割，实验还表明了该方法对分割颜色畸变图像的有效性；分别基于小波变换和BP人工神经网络及本项目提出的一种级联弱分类器算法实现了复杂彩色图像中的文本定位问题，实验结果表明这两种定位方法从效率、准确率及召回率上要优于目前流行的算法；基于本项目提出的颜色量化、直方图排名向量检索和非均匀分块加权等计算方法，显著提高了基于内容的彩色图像检索的效果。本项目所建立或提出的方法不但在植物果实的检测中有重要的借鉴意义，而且在各类涉及动态远程安全检查或与网络传输有关的具有复杂色彩成分及分布的彩色信息识别或监控等中也将具有广泛的潜在应用前景，本项目的完成为复杂彩色目标快速识别技术的实用化奠定了良好的基础。