图像模式识别一直以来都是计算机视觉研究的核心问题,它涉及图像预处理、特征提取和描述、特征组合和选择、图像应用技术等多个研究方面。近年来,将图像数据看成单纯的数据集合、进行全局处理的传统方式,已经越来越不适应实际应用需求;Marr提出的机器视觉理论认为,图像是由各个局部的区域组成的,有关人类视觉机理的研究成果表明,人脑对图像的处理是按照局部化处理方式进行;利用局部化特征可以显著改进和加速各种图像识别方法,目前,基于局部不变特征的图像处理方法已经广泛应用于图像处理、图像检索和遥感图像目标识别等领域。可以预期,利用局部不变特征来识别图像内容将逐渐成了主流的图像处理方法。本文着重从局部不变特征的角度去解释和研究图像,研究重点及相应的研究成果包括以下几个方面:(1)尺度空间的基础理论研究。尺度空间是局部不变特征提取技术直接的理论基础,早期的尺度空间思想一直处于理论验证和实践探索阶段,研究人员一般根据研究课题的需要,对数据的尺度特征参数进行定义和选择。本文从分析尺度空间中的偏导数算子的性质入手,对尺度自适应检测机制进行建模,通过分析尺度空间中一维和二维信号的尺度检测过程,从而得出尺度选择的一般过程,最后通过对实验数据的分析,验证了使用尺度空间作为局部不变特征的数据表示方式的优势。文中明确了尺度空间中的尺度正规化的作用和意义,对尺度空间中的二阶矩矩阵和Hessian矩阵的性质进行了的系统分析,指出其在图像局部性质估算中的重要作用。(2)局部不变特征检测的若干问题研究。论文对尺度空间中最具代表性的三种局部不变特征的检测过程进行建模,分析理想图像结构在尺度空间中的特征表现,得出局部不变特征检测的一般过程。同时提出利用局部区域一致性的原理进行特征区域的精确定位,最后,对由连续尺度空间转向离散空间中特征检测中的参数选择问题,通过实验给出了经验的参数选择方法。(3)提出了一种基于偏导数算子的局部不变特征描述方法及其相应的算法:构造了一种高斯偏导数作为局部不变特征描述符,并对该局部不变特征描述向量空间的距离函数选择要求进行了详细的研究;为了使局部不变特征描述获得旋转不变性,设计了主方向调整算法,对局部不变特征的主方向进行估计。实验证明,这一新的局部不变特征描述方法具有对图像局部区域的良好描述效果。(4)提出了基于显著性估算的局部不变特征提取方法。近年来随着模式识别和机器学习研究的不断深入,由于局部不变特征高效率的特征压缩特性,它很适合作为机器学习的样本特征。本文摒弃了传统的使用无差别固定窗口的局部不变特征提取方法,将尺度空间中的局部不变特征提取与显著性区域相结合,通过在尺度空间中对局部二阶矩矩阵性质的分析,得出局部不变特征显著性的估算,以此来提取具有显著性的局部不变特征。用这种方法提取的特征,不仅能保持多种不变性,还能在真实场景图像中提取更准确和可靠的特征。(5)研究了局部不变特征检测和描述方法在遥感图像中的应用,提出和设计了基于局部不变特征的ROI区域快速匹配算法和港口内停泊舰船检测算法。前者在使用ROI区域自身局部不变特征进行区域快速匹配的同时;利用特征之间的几何约束关系得出校正参数,克服了以往ROI区域的匹配和校正要依赖地理信息数据库的缺点,不仅匹配和校正可以同时完成。还能根据参数分析来剔除语义错误特征。后者使用带有尺度信息的局部不变特征提取算子来提取舰船的显著性区域,并通过对区域内语义特征的分析,获得港口内停泊舰船的具体位置。实验结果表明,在各种干扰条件下,这两种算法都能取得了良好的效果。