图像特征提取在模式识别、人工智能及计算机视觉中有着重要的作用。具体的图像特征在各种实际情况下有着不同的内容;一般而言,图像的特征包括颜色、纹理、边缘、角点和形状等内容。近20年来,随着数字图像处理技术的飞速发展,一系列的特征提取方法被提出来,一些方法由于思想简洁、效果优良、使用广泛,成为经典。在学习借鉴前人工作的基础上,结合小波思想和新近提出的一系列多尺度几何分析方法,提出了一种边缘提取方法和一种角点检测方法,对一些特征丰富的图像试验,表现出了良好的效果。自适应脊波变换利用连续脊波变换框架,实现变换的离散化以适应数字图象处理。论文提出先对图象进行离散Radon变换,得到Radon变换域,在此基础上进行离散小波变换实现图像的离散脊波变换。对于直线特征明显的图像,通过离散脊波变换得到图像的稀疏表示,利用获得的稀疏系数对应的直线参数,定位出边缘的所在。基于局部边缘的角点检测中,在局部矩形窗中利用“弦弧距离”赋予每个边缘点一个“角点测度”,对“角点测度”实施非最大值抑制求得局部极大值,用直线拟合局部最大值点前后的边缘点,得到该点处拟合直线的夹角,再与给定阈值夹角比较,进行角点判断。论文内容大致可以分为两部分:第一部分为特征提取的大概回顾,各种特征提取算法的介绍。特征提取作为计算机视觉的中级处理,回顾了与其相关的图像处理和图像理解,对有代表性的一些特征提取算子进行了介绍,并给出了作者的两种方法。第二部分为特征提取的应用。特征提取作为许多问题中(如模式识别、场景分析)的一个基本的预备性步骤,应用非常广泛。基本上与视觉相关的处理都将需要从图像中提取这样或那样的特征,从这方面来说,它的应用无处不在。这部分介绍了几个应用,如基于边缘点的图像分割,基于角点对图像进行匹配进而实现场景三维重建等等。结合作者的理解,展望了特征提取的发展趋势及前景。