对计算机而言,感知和识别自然界中的物体和场景,是异常困难的任务。如何准确地运用计算机语言来表达自然场景,使其不但能够区分不同的物体,还能够克服各种变换带来的问题,选择合适的特征来描述图像信息尤为关键。近年来,图像局部不变特征的研究促使计算机视觉取得重大进展,根据图像的局部信息采用多尺度分析、统计学等相关方法形成特征向量来表达图像内容,已经广泛应用于物体识别、图像配准、全景拼接等领域。每种局部不变特征检测方法都有不同的性质特点和适用范围,在实际应用中选择合适的局部不变特征至关重要。本文首先简单介绍了论文课题背景,并总结了局部不变性特征的相关工作。然后按照角点、斑状、区域三大类分别对各类局部特征的算法原理、数学模型及其实现步骤,进行了系统详尽的阐述和解释,同时介绍了不同方法常见的应用领域。结合局部不变性特征的实际应用情况,提出了理想的局部特征所要满足的主要特性。重点测试了各个特征检测方法在不同变换情况下的性能表现(重合度和匹配值)。为了评估不同检测器的特征提取效果,测试比较各种检测子的平均聚类准确度。并基于金字塔匹配核,利用SVM分类器,检验分析了各种特征提取方法在类别相关的物体识别中的识别准确率。在上述工作基础上,归纳了多条选择特征点提取方法的基本原则；并在文章结尾提出了对局部不变性特征的展望。