图像特征的提取和表达可用于计算机视觉各个领域的研究和应用,针对视频流数据的特征提取、描述、匹配及跟踪的相关研究也是机器视觉研究的重要组成部分和研究热点。然而,现有图像特征及表达方法在视频流中的特征匹配及跟踪领域仍然存在很多缺陷,难以达到较好的实际应用效果。常见的问题有:特征之间缺乏关联性、局部特征缺乏抗背景干扰的能力、无法对图像结构进行精准表达等,需要利用三角剖分等人为后续处理才能用于实际的研究和应用。因此,利用图像本身信息进行特征关联和建立具有抗背景干扰能力的特征提取、描述方法作为视频流特征匹配和跟踪的前提条件,其重要性显而易见。此外,边缘信息作为图像信息重要的组成部分,尽管近几年边缘检测算法已经接近人类边缘识别的准确率,但边缘的归属问题仍未得到解决。对图像边缘归属问题的进一步研究,仍具有重要意义。本文针对上述问题进行了研究,主要工作有:(1)研究了图像边缘归属问题,受图形学描述物体层级的启发,提出了一种图像边缘分离半边的方法,解决不同对象交错产生的边缘缺乏归属、无法直接利用其灰度和角度信息进行结构描述的问题。通过实验验证了提取半边的完整性和正确性。(2)研究了抗背景干扰的图像特征,提出了一种基于半边的局部组合特征(HECS)的提取和匹配方法,使得图像特征在视频流中能够不受对象交错产生的局部区域变化的影响,加强了特征在视频流中的稳定性。在公开和自有数据集上进行实验,特别的在图像中的边缘区域得到了了较好的特征匹配结果。通过对比实验,验证了所提特征在视频流中的匹配和跟踪具有更好的实验效果。(3)研究了图像特征的关联性,提出了一种基于HECS的图结构特征的组合和匹配方法,能够根据图像信息本身建立图像特征,较为完整的表达图像的面信息。并利用残缺匹配的方式建立图结构的对应关系,加强了图像特征的稳定性。通过实验证明了其有效性。(4)研究了视觉残留现象,提出了一种基于图结构特征的视频流特征匹配方法,能够根据历史图结构的匹配结果对当前帧的图像特征进行推理补充,使得视频流中的图像特征随时间的推移逐渐趋于稳定,加强了图像特征在视频流中的匹配效果及跟踪时长。与传统图像特征提取方法相比,取得了较好的匹配跟踪效果和更强的稳定性。