随着机器人工件抓取任务、自动导航、自动检测、装配任务、医学图象分析和遥感图象分析等大量现实应用的需要，物体识别已成为计算机视觉中的一个研究热点。当三维物体投影成二维图像时，许多三维信息丢失，识别的目的就是要根据二维图像中隐含的信息识别出三维物体。 本论文主要研究从完整的和部分遮挡的物体线图和图像识别平面图形、平面立体和曲面立体的机理和算法。 本文以仿射不变性和透视不变性理论为基础，提出了描述平面多边形形状的拓扑特征和几何特征，以这些特征作为约束条件给出了轴测投影和透视投影下类似形的定义。根据类似形原理，提出了平面多边形为类似形的识别算法；提出一种新的以面作为匹配基元从单幅轴测图和透视图识别平面立体的方法。仿真实验结果表明：该算法不仅能识别形状不同的平面立体，还可以把形状相同，但各部分大小，比例不同的目标区分开，对噪音不敏感。相对于其它的识别算法，该算法有明显的改进。 本文给出了一种新的、适合于仿射变换的局部不变量，建立了一种新的归一化的相似性度量函数，构造了判断目标的各个局部是否被遮挡的丢失特征向量判别函数，仅利用未遮挡部分的局部特征计算待识别目标和模型的整体相似度，可以从单幅线图识别部分遮挡的平面多边形状物体。局部不变量具有仿射不变性，解决了现有识别方法只适用于刚体变换和相似变换的问题。相似性函数和丢失特征判别函数综合考虑了噪声和遮挡带来的影响，仿真实验结果表明该识别算法对遮挡和噪声都不敏感。 本文提出了仿射投影下二维曲线的匹配方法。给出了NRLCTI码的定义。基于NRLCTI码可以初步匹配目标和模型轮廓上的关键特征点，解决了穷尽搜索法寻求特征点对应的高费率和低效率问题。提出了一种以Frobenius范数为基准，基于特征点对应估计出最佳仿射变换矩阵的方法，设计了一种新的算法匹配目标和模型轮廓曲线上的每子段曲线，解决了用特征点表示曲线的不唯一性问题。提出了一种从单幅线图识别二维曲线的算法，用物体分解法把封闭的轮廓分段，通过对每子段曲线的识别实现对整条曲线的识别，解决了用多边形近似曲线的不准确性问题。给出了实验结果。 本文提出了一种新的匹配部分遮挡曲线的算法。根据关键特征点将轮廓曲线分段，匹配目标和模型轮廓曲线上的每子段曲线。提出了一种稳定的Hausdorff距离(简称RHD)，RHD综合考虑了出格点和遮挡的影响，能够胜任有遮挡和噪声的曲线的匹配。基于RHD测量目标和模型特征点集的匹配程度，估计仿射变换矩阵，解决了仿射变换下部分遮挡曲线的匹配问题。估计仿射变换矩阵采取了同类点匹配的原则，大大减少了搜索空间，提高了效率。实验结果表明：该算法简单有效、抗噪声能力较强，在有比较大的遮挡情况下仍有效。 本文详细分析了T型节点与遮挡的关系，提出了多目标场景线图存在遮挡的判断定理：给出了基于线图标记技术分割线图的新方法：给出了基于标记技术补