局部不变特征检测方法是图像分析、图像理解、计算机视觉和模式识别等领域的重要研究内容,已经成为图像处理的研究热点。由于图像在实际环境中普遍存在旋转、尺度、视点、光照和模糊等变化,如何检测稳定的局部不变特征已成为研究的难点。局部不变特征检测方法按照处理的图像信息不同可以分为基于灰度和基于轮廓两类方法,目前研究主要集中于前者,后者研究得还较少。对于轮廓比较丰富和稳定的图像,基于轮廓的局部不变特征检测方法很有效,因此拓宽这类方法是非常有必要的。本文在深入研究了局部不变特征相关理论和现有一些经典的基于轮廓局部不变特征检测方法的基础上,分析了现有方法存在的问题,提出了新的基于轮廓的局部不变特征检测方法,并取得了良好的实验效果。本文主要研究工作如下:①深入研究了LoG(Laplacian of Gaussian)角点检测方法,并针对该方法存在抗噪性能不足的问题,提出了一种LoG角点检测的改进方法。改进方法引入了多尺度乘积的思想,在增强角点响应的同时有效地抑制了噪声的影响。实验结果表明该方法提升了抗噪性能。②在提取轮廓角点的基础上,针对EBR(Edge Based Region)不变特征区域检测方法时间复杂度高和LoG不变特征区域检测方法在仿射变化下性能差的缺点,提出了一种新的基于轮廓的局部不变区域检测方法。该方法主要利用了轮廓角点、角点的角平分线和轮廓上与角平分线相对不变的特征点来构造不变特征区域。由于角平分线的抗噪能力强,受旋转和尺度等因素的影响较小,该方法检测得到的特征区域具有较好的稳定性和可重复性,且时间复杂度低。③特征检测重复率是目前评估不变特征性能最重要的指标,因此本文也使用这一指标对提出的基于轮廓的局部不变特征区域检测方法进行性能评估。实验图像包含了尺度、旋转、仿射、噪声、压缩和光照等变化,具有广泛的代表性。实验中,本文方法在各种变化条件下都取得了较高的重复率,结果表明该方法效率高,具有较强的鲁棒性和广泛的实用价值。