提出了应用最大互信息方法进行零件图像识别的方法，它利用图像的信息熵描述图像的特征，结合图像的颜色信息及局部形状信息，以互信息作为衡量两幅图像相似性的测度函数进行图像识别，弥补了直方图表达空间信息的不足。该方法既满足位置不变性，又能避免进行图像分割，从而避免了因图像分割引起的复杂计算，使算法容易实现。实验结果表明，该方法提高了零件图像识别的精度、稳定性和可靠性。关 键 词 熵; 图像识别; 机械零件图像; 互信息计算机视觉已在工业领域广泛应用，将计算机视觉用于柔性制造系统(Flexible Manufacturing System，FMS)，是实现同时加工不同产品零件，解决FMS生产管理与调度柔性化、智能化的一种有效途径[1]。计算机视觉通过对加工零件特征的识别，进行控制零件的加工和分捡，以实现对加工过程的控制与管理。现在常用的图像特征有颜色、纹理、形状等，基于图像颜色的识别技术采用颜色直方图进行图像间的相似性判断，对于灰度图像，采用灰度直方图，灰度直方图表明了一幅图像区域中每一灰度级上拥有像素的频数。灰度直方图方法算法简单，实现容易，运算速度快。但灰度直方图只描述了图像灰度的整体统计特性，没有有效地表示图像的空间信息，两幅视觉不同的图像，可能它们的直方图是一样的，因此会产生误识。基于形状的识别往往包含对图像的分割、边缘提取、边缘细化及形状描述等操作，因此提取形状特征的算法复杂，计算量大，而且完全抛弃了图像的颜色信息。基于纹理的识别往往只对具有一致纹理的图像或区域具有较好的效果[2-4]。互信息法是把信息论中的互信息(Mutual Information，MI)作为衡量两幅图像相似性的测度函数，当两幅图像的互信息达到最大值时，可以判断这两幅图像最为相似[5]。在文献[5-9]中，该方法主要应用于图像融合和图像配准领域。本文采用最大互信息的方法，利用图像的信息熵来对图像的特征进行描述，充分利用图像的颜色信息及局部形状信息来进行图像识别。