Hough变换能够从含有噪声和断点的二值图像当中提取出目标曲线，但是使用Hough变换的前提是预先知道曲线的方程或形状。对于那些无法预知其方程或形状，而在实际图像中往往在许多情况下存在的曲线，Hough变换就无能为力了。把这类曲线的识别问题归结为离散的组合优化问题，在对遗传算法深入研究的基础上，采用遗传优化的方法识别非参数曲线。实际图像中可能同时存在多条非参数曲线，对多条非参数曲线的识别，本论文采用了多模态遗传优化的方法，同时提取出多条曲线。主要研究内容如下：　　 1)介绍了参数曲线和非参数曲线的概念，Hough变换提取参数曲线，以及人类视觉对参数和非参数曲线滤波特性进行了研究，并进行了仿真实验，得出了人类视觉滤波的临界噪声，并用于对多曲线识别的定标。　　 2)针对遗传算法求解多模态优化问题时无法同时取得全局最优解和尽可能多的局部最优解问题，对算法提出了改进。采用了基于相似个体结构的小生境技术和境内交叉相结合的算法，给出了新算法的原理，并进行了仿真实验。　　 3)论文对前人提出的基于行-列编码的小生境遗传优化算法进行了研究并将此方法运用到了非参数曲线的识别中，取得了不错的效果。　　 4)研究了基于多模态遗传优化的非参数方法多曲线识别。对同一幅二值图像当中两条甚至多条非参数曲线的提取，通过采用小生境多精英保留策略来获得视觉上最优的多条曲线的特征，同时提取出多条曲线。