基于位置、大小、旋转和其他不变性的特征的目标识别，近几年成为人们研究的热点问题。CL-200HR-C-TS而解决问题的关键是找到有效的不变特征。目前的几种识别特征：①视觉特征：边缘，纹理，轮廓；②变换系数特征：傅里叶描述子，Hadamand系数；③代数特征：基于图像矩阵分解；④统计特征：矩不变。

   随着人工神经网络和计算机视觉技术的发展，许多国内外学者致力于不变性识别领域的研究和探索，如Hu、Dudani等的不变矩，Fu、Zahn等的傅里叶子，Arbter等的梅林不变矩以及Zernike矩等，并已成功地运用到字符识别、遥感图像匹配等领域。

   下面简单介绍基于不变矩的目标识别方法。M．K．Hu首先于1962年提出了连续函数矩的定义，给出了具有平移不变性、旋转不变性和比例不变性的7个不变矩的表达式。

   在离散状态下，二维函数f(m，n)的(p+g)阶普通矩和中心短的公式如下：采用不变矩对无人机采集到的T形目标图像计量，与模板匹配识别，然后再通过位姿提取得到无人机相对于跑道的位姿关系，进行导引着陆。实验图片如图12 -48所示。