图像的局部不变性特征方法符合人类视觉处理机制,抗多种图像变换,并且具有冗余性低,无需预先对图像分割等特点,因而成为机器视觉和模式识别领域的研究热点。在大规模数据库和实时处理中应用局部不变性特征方法已经成为发展趋势。本文的目标在于提出高效的且可用于实时应用的局部不变性特征检测和描述算法。同时,本文将局部不变性特征方法与生物物体识别机制结合并应用于图像分类中,拓展了该方法的应用领域。本文的主要研究内容包括:(1)综述了局部不变性特征方法的研究现状,并分类讨论了当前主要的检测子和描述子算法及其评价标准;(2)提出快速旋转不变的局部不变性特征检测子算法,实验表明该检测子算法可在减少计算时间的前提下,提高特征检测在图像旋转变换中的性能;(3)提出了一种新型的基于分布的描述子算法,仅利用邻域像素的线性计算关系建立特征描述,实验表明该算法可有效减少特征描述时间而性能没有损失;(4)基于局部梯度的仿射不变矩提出了仿射不变的描述子算法,实验表明该算法可在图像的视角变换中提高特征描述的稳定性并且计算高效;(5)提出基于局部不变性特征与仿生视皮层识别机制结合的图像分类识别方法,实验表明其性能超过对比的机器视觉算法。