快速图像特征提取算法是图像处理和计算机视觉领域的重要研究课题。在复杂背景下基于视频的自动目标识别与跟踪中，目标特征的快速准确提取是实现高概率自动目标识别的关键技术，目标特征的快速提取能简化待识别目标的表示，实现快速准确地识别出感兴趣的目标。在机器人视觉中，快速图像特征提取也有广泛的应用，如视觉里程计技术、机器人自主视觉导航技术等。本文根据视频监控和机器人视觉的实际需求，对此课题开展了研究，主要的研究成果包括如下内容：　　 1)为消除视频图像的噪声对特征点提取的影响，提出了一种新的基于图像统计信息消除椒盐噪声算法。该算法能在去除噪声同时保持图像的细节特征(边缘和角点等)，并且具有较低的计算复杂度。　　 2)提出了基于4叉树和色彩迁移理论的光照常恒算法。该算法可对同一场景不同光照下的两幅图像进行光照校正。将一幅图像的亮度特征传递给另一幅图像，使目标图像具有与参照图像相似的亮度统计信息。通过亮度处理之后，两幅图像具有相似的光照背景，有助于后续的特征点检测。　　 3)提出了基于LBP的角点快速提取算法。该方法与目前流行Harris和SUSAN角点提取算法相比，具有复杂度低、实时性好、灰度伸缩不变性和旋转不变性等优点。　　 4)从透镜成像模型原理出发，推导出精确的景深计算公式，并将其和传统的景深计算公式进行了深入的比较和分析，最后从计算机视觉角度阐述了本文的景深计算公式的优点。　　 5)在上述算法研究和试验基础上，研发了森林烟火自动识别软件系统。在该系统中，上述提出的算法得到成功的应用。该软件系统已投入实际使用，实现了24小时全天候森林烟火自动监控和预警，同时也验证了文中所提算法的有效性。　　 论文的最后一章进行了总结，并对今后的研究工作进行了展望。