随着图像特征提取技术在计算机视觉领域的应用越来越重要,对能够提取鲁棒性更好,更能反映图像内容属性的图像特征的要求越来越高。与全局特征相比,图像局部特征对图像的几何与光学变换(如旋转、尺度、仿射、光照变换等)更鲁棒,除此之外,局部特征还具有很高的重复性,并且不容易受到目标遮挡的影响,所以对图像局部特征提取技术的研究越来越受到重视。在图像匹配应用中,为了提高图像特征的综合性能(尺度、仿射不变性、实时性),本论文对图像局部特征提取技术做了详细的研究和深入分析。本文首先深入研究了尺度空间,在此基础上详细研究了基于尺度空间的图像特征检测算法的基本原理,包括:基于高斯差分算子(Difference of Gaussian,Do G)的SIFT检测器,基于高斯尺度空间的Harris-Laplace尺度不变检测器以及能够应用于存在仿射变换情况的扩展算法Harris-Affine和Hessian-Affine仿射不变特征检测器。尺度空间在特征检测中的应用保证了检测到的特征具有尺度不变性以及更好的稳定性。并且通过仿真实验对比了各种检测算法的性能,基于实验结果我们选择鲁棒性最优的Hessian-Affine检测器作为后续特征描述的预处理算法。其次,本文从图像匹配的角度,深入研究了图像特征描述算法,包括MROGH,FRDOH和LIOP算法,通过对算法原理的研究,得出通过引入多支撑域思想或者双梯度直方图思想能够提高特征描述符的鲁棒性和可区别力的结论。但是引入多支撑域构造描述符会增加构造过程所消耗的计算时间,降低实时性。最后我们提出了一种基于双梯度方向直方图的特征描述新方法(DGOH),并且通过实验对DGOH算法与其他算法进行比较可以得出,DGOH算法的鲁棒性优于FRDOH,并且与其他算法相比DGOH具有最优的实时性能。