人类视觉的一项重要特性就是能够在多尺度下识别场景中的事物,既可统管全局亦可细致入微。因此,关于人类视觉多尺度感知的研究是仿人眼视觉特性研究中的重点和难点,在仿生视觉中占据重要的位置。当前,图像分析与识别技术的高速发展对图像解释提出了更高的要求,而图像分辨率的提高和更多细节的呈现,也使得通过细节认识图像模式有了可能,驱使图像局部特征理论及其应用研究在机器视觉领域独树一帜,蓬勃发展。本文从分析人脑视皮层的尺度选择机理着手,提出新颖的自动尺度选择方法,为图像局部特征的尺度赋予更鲜明的意义,并为基于特征尺度的图像分割提供一种新颖的思路。论文的主要内容如下：第一章,阐述本课题的相关研究背景、目的和意义,综述人类视觉认识机理以及图像局部特征检测与描述在国内外相关领域的研究现状,给出仿人眼尺度选择研究中所要面临的关键问题,总结了本课题的主要研究内容。第二章,分析人类视觉感知模型与尺度空间的关系,对高斯尺度空间的理论和性质进行阐述,剖析了高斯尺度空间所存在的缺陷。阐述在高斯尺度空间中对信号进行尺度选择的基础理论和方法,为后续研究的开展奠定基础。第三章,提出基于极值路径的DoG尺度优化方法(EP-DoG),在对高斯尺度空间进行剖析的基础之上,对特征点在尺度空间中的“漂移”行为进行分析,通过极值路径搜索法得到特征点在尺度空间各个层面的“漂移”路径,并在尺度空间中沿着极值路径搜索DoG取得极值响应的尺度作为特征尺度,实验证明EP-DoG优于DoG尺度选择方法,可以更为有效的选择特征尺度并去除重复冗余的特征。第四章,提出一种针对角点的自相关椭圆稳定性度量的SMM尺度选择法(Second Moment Matrix)。研究了特征角点邻域自相关函数的椭圆表示方法以及在尺度空间中自相关椭圆的形变度量方法,构造自相关椭圆形变度量函数用于尺度选择,即SMM尺度选择方法。通过实验分析得出,SMM尺度选择方法具备优良的有效性和适用性。提出不依赖于尺度空间的梯度频谱能量尺度选择法GFT(Gradient Frequency Transform),构造GFT边界能量函数用于度量特征区域边界梯度的均匀性和疏密程度,选择最小能量的稳定驻点所对应的尺度作为特征尺度。实验证明,GFT尺度选择方法较其它的尺度选择方法更为有效,并且能很好的面对图像旋转、尺度伸缩等变化。第五章,提出基于特征尺度的边缘分割方法。针对现有边缘特征尺度选择方法无法为图像边缘选择具有实际意义尺度的问题,提出了一种边缘特征尺度选择方法。通过对边缘线在尺度空间中的演化进行分析,得到边缘线段的特征尺度,并成功应用于边缘分割,为图像分割提供了一种新颖的思路。实验证明,本文提出的边缘特征尺度选择方法所选择的尺度具有实际意义,能够有效地应用在边缘分割当中,分离出各个尺度范围的边缘线段,得到显著边缘。第六章,提出基于自动尺度局部特征配准的混叠运动目标分割方法。以分割混叠运动目标为出发点,研究在复杂动态背景下更为鲁棒的运动分割算法。采用GFT尺度选择法为运动特征点选择尺度并构建局部描述,通过帧间配准得到局部位移量,并据此分割混叠运动目标。实验结果表明本文所提出的运动分割算法优于混合高斯模型和时差法,基于自动尺度局部特征配准的混叠运动目标分割算法在面对多目标混叠时能够有效地将其分割为互不重叠的目标区域。第七章对全文作出总结,阐述了本课题的研究内容和创新点,并对后续研究工作作出了展望。