图像的特征提取是计算机视觉研宄领域中一个重要研宂内容，也是当前很多问题的研究基础。由于目标所在的图像之间大部分都存在旋转、视点、尺度、光照、模糊等变换，因此如何提取图像的稳定特征成为相关领域的研宄重点。局部不变特征由于其针对图像平移、旋转、尺度、光照及视点等变换具有不变性，在很多领域己经得到了广泛的应用。基于局部不变特征的方法主要包括特征提取和特征匹配。本文深入分析了不变特征相关的理论知识，研究了已有的局部不变特征提取算法和匹配策略，针对当前存在的问题也进行了改迸，改进后的方法能够获得更好的效果。2004年由Lowe提出的SIFT图像匹配算法，具有较强的告棒性和稳定性，具有很高的识辨率，而且128维的空问特征描述符具有很好的独立性。然而，它也包含了很多冗余信息。本文针对SIFT经典算法提出了一种基于sobel边缘检测与K-L变换的高效SIFT算法；首先采用sobel算子边缘检测，通过设置阈值T，忽略部分冗余特征点，减少冗余的特征向量生成；其次，通过K-L变换，把128维的空间特征描述符降低到60维，降低了时间的复杂度；通过实验表明，阈值设置的越高，获取的关键点越少，匹配的效率越高，可见本文提出的算法从整体上实现了匹配的高效性和实时性。针对图像匹配在实时性要求较高的嵌入式终端场合的应用，本文还提出了一种改进的SIFT算法，在传统SIFT算法得到稳定关键点后，利用Contourlet变换对关键点进行频域全局纹理描述，并对全局纹理的相似性计算结果进行排序，筛选出前1%的点，再通过一种基于向量夹角(VectorAngle, VA)的近似最近邻搜索算法进行匹配，提高匹配精度和速率，提高嵌入式终端的准确度。尺度Harris方法检查到的特征点存在很多冗余点，虽然Harris-Laplace方法可以除去一些冗余点，但是还会出现一个局部结构内存在多个特征点的情况或一个特征点代表多个不同尺度的局部结构。为此，提出一种改进的方法，在检测多尺度Harris特征点时进行跟踪分组。使代表同一个局部结构的特征点被分为一组，用归一化的Laplace函数去除冗余点，再利用点的度量值选出最能代表该局部结构的特征点。实验结果证明，该方法能够有效去除冗余点，在模糊和旋转变换时忡.能优于Harris-Laplace方法，具有尺度不变的特性。基于仿射高斯尺度空间理论，提出了一种完全仿射不变特征(FAIF)提取算法。FAIF算法针对仿射高斯尺度空间难以构造的问题，提山了将仿射高斯尺度空间转化为尺度空间的思路。以图像特征区域的协方差矩阵作为特征区域各向异性程度的度量，将各向异性的特征区域通过旋转压缩的方式变换为各向同性区域，最后在各丨⑷司性区域上提取完全仿射不变特征点。实验结果表明，FAIF算法可以适应更大的视角和尺度变换，并且在立体场景的图片中也有足够多的匹配点，其性能优于现有的仿射不变特征提取算法。