图像分割与匹配是数字图像处理技术中两个重要的研究方向,近年来,随着信息技术的发展和计算机硬件成本的降低,图像分割与匹配开始广泛应用在很多领域。在医学图像上,通过将病人肿瘤区域进行分割,有利于对病情诊断和治疗,通过将病人不同时间拍摄的同一模态图片进行匹配,可以研究病情进展情况,通过将病人不同模态的图像进行融合,可以在单幅图像上看到有关病人更丰富的信息;在计算机视觉上,通过匹配技术可以进行目标识别与运动追踪。本文基于图像的特征区域提出一种快速有效的图像分割算法。算法首先利用LoG算子进行特征区域提取,然后对要分割的区域在一定尺度范围内进行射线化,在每条射线上采用7阶多项式对灰度进行拟合,通过在LoG中心点两侧找局部最小值并进行优化以达到分割的最优化。大量比较试验表明,算法较基于梯度的分割算法有明显的改进。本文同时还基于图像特征点提出一种环式边角码模型,并将该模型应用于点模式匹配。相似环式边角码描述了两个特征点的局部相似空间结构,同时可以用于估计局部相似变换。两个特征点的相似度由它们关联的最大相似环式边角码的长度来衡量,算法首先根据特征点的局部空间结构的相似性进行结构匹配,然后利用局部相似变换并结合聚类技术将正确匹配的特征点和错误匹配的特征点进行分离,如果最大类和次大类满足一定约束,最大类将作为对应关系用于最优变换估计。算法同时对相似条件和聚类条件进行松驰,从而保证算法不仅具有相似变换不变性,还对一定程度的仿射和视角变换具有鲁棒性。广泛的训练实验说明了环式边角码模型在点模式匹配中的有效性。同时广泛的比较试验表明算法好于经典的基于梯度的和基于互信息的图像匹配算法。基于提出的点模式匹配算法,我们还架构了一个可以用于多用途图像匹配的系统,并结合实例进行详细说明。