近年来,随着计算机视觉领域的不断发展,特征提取作为最重要的一环得到了大量学者的重视和研究。局部特征可把繁杂的图像匹配的问题转换为特征向量的度量问题,可以大大减小算法的复杂度,因而获得了迅速发展。本文针对存在环结构特征的图像,提出了一种环结构局部不变特征,满足平移、缩放、旋转不变性,可应用于图像识别、图像配准等各个领域。本文的主要工作有：1.环结构特征提取与描述。结合图论中环的概念,用多尺度分割算法与骨架化算法提取图像中的分叉点或交叉点及它们之间的连线,滤除不能组成环结构的特征点，找到特征点之间的连接关系：应用我们提出的基于广度优先策略的环结构检测算法检测环结构，并用归一化的分叉角度与分支长度构建的特征向量对环结构特征进行描述。2.基于环结构特征的视网膜图像配准。实现了环结构特征在视网膜图像配准中的应用,即通过环结构特征提取及描述得到特征向量后,采用相似性度量找到最匹配的环结构特征对,通过相似性变换将一幅图像映射到另一幅图像中,提出了骨架化对准精度对配准结果进行定量评价。本文用VARIA数据集中组合挑选的153对视网膜图像进行实验,配准成功率达96.73%,骨架化对准精度为0.938。论文中还给出了不同变换模型、不同特征之间的实验对比,实验结果表明环结构特征进行视网膜图像配准的可行性和有效性。3.基于环结构特征的扇贝图像识别。构建了扇贝识别图像库,包括标准图像库与待识别图像库,并通过相似性度量进行特征匹配；根据得到的最匹配的环结构特征对找到标准图像库中与待识别图像库中相对应的扇贝图像,从而达到识别的目的。针对构建的图像识别数据库,实验成功率达到83.3%，实验结果表明环结构特征进行扇贝图像识别是可行且有效的。本文提出了环结构局部不变特征,并在视网膜图像配准与扇贝图像识别等领域都得到了成功应用,具有十分重要的意义。