由于信息技术、多媒体技术与计算机网络技术的快速发展，图像数据呈现出几何级数的增长趋势。而且在认知客观世界的过程中，人们所获取的信息有80％是来自于视觉感知。如果没有很好的方法对这些图像数据进行解释与分析，那么它们所包含的有用信息就会被淹没。因此，如何有效地描述与表达图像，并在此基础上解决图像的匹配问题就成为了具有现实意义的课题。　　本文就围绕着图像的结构描述与匹配问题进行展开，讨论和分析了传统上使用颜色、纹理、形状等统计特性数据对图像结构化信息进行描述的原理与特点。并针对传统描述方法在结构化信息描述中所存在的不足之处，侧重于分析人们在识别图像中的人造物体所使用的几何特征和先验知识，提出了一种人造物体的图像结构描述算法。该算法的基本思路是:首先，提出了一种基于局部模板匹配的特征点检测算法，检测出图像轮廓上的特征点;其次，利用检测出的特征点对图像分割后的轮廓进行离散化，并将离散化后的轮廓片段作为基元，通过曲线拟合获取基元的几何特征向量;然后，根据基元之间的特征点类型来描述他们之间的关系;由此，就形成了整个人造物体的图像结构描述的参数化模型。实验证明，该方法更能够满足人类的视觉特性，而且能够方便计算机还原出图像中的对象形状。　　另外，本文不仅研究图像描述，对图像进行描述是为了方便、快捷地检索与利用，图像的检索涉及图像的匹配问题。因此，在建立了图像结构的描述之后，为了体现它的实用价值，设计出一种图像匹配算法，运用该算法识别图像之间的相似性。