角点作为图像的重要特征信息已经被广泛应用于计算机视觉和图像处理的各个领域。这使得角点检测成为计算机视觉和图像处理中的一个基本问题。尺度空间和多尺度技术的引入对角点检测的发展起到了重要的推动作用。本文采用与角点的曲率尺度空间(Curvature Scale Space)行为理论相同的研究方法对角点在轮廓高斯差(Difference of Gaussian, DoG)尺度空间中的演化行为进行了研究。首先定义DoG尺度空间图像和统一角点模型以简化研究，然后采用不同尺度的DoG算子演化角点模型，构造出角点模型的DoG尺度空间并导出DoG尺度空间图像的隐式表达，得到了角点在尺度空间中演化行为的若干性质。当尺度增加时，角点在DoG尺度空间中的轨迹将保持、消失或者互相融合。相邻角点的轨迹互相吸引或者排斥。最后基于DoG算子的数值计算方法研究了角点在离散DoG尺度空间的行为。在角点的DoG尺度空间行为分析的基础上，引入多尺度乘积的思想，对DoG角点检测算法进行了改进，提出一种多尺度乘积的DoG角点检测算法。为了评估改进算法的性能，本文对新算法进行了实验。不变性测试和鲁棒性测试验证了算法的有效性，而基于正确检测率和定位误差的对比实验表明改进算法在性能上有一定提高。