图像匹配是计算机视觉中一项重要的技术,是图像拼接,目标识别等领域的基础,而特征提取与描述符的建立是图像匹配的关键部分。现有的图像匹配算法可以在不同视角,尺度,光照等条件下进行良好的匹配,但在运动过程中,由于场景中目标空间位置的移动,引起目标轮廓处邻域内信息的变化,导致描述符信息的改变,从而造成匹配特征数量减少或匹配失败。针对该问题,本文提出一种基于半边流场的特征点提取算法,实现了不受背景变化影响的特征提取,通过组合结构特征描述符来实现运动下的局部特征匹配。本文工作如下:（1）分析了运动场景下局部特征匹配的特性,研究了基于目标内侧局部特征抗背景干扰与抗纵向运动形变的特点。（2）提出了一种基于前背景边缘分离的半边数据结构,并利用半边的灰度与梯度属性构造半边流场模型。（3）提出一种基于半边流场的特征点检测算法,实现了特征点的提取在运动过程中不受背景变化的影响。（4）建立了基于半边流场特征点的前背景分离的组合结构模型,并通过进一步组合形成高级组合图结构模型,最终实现了运动场景中部分目标的封闭面轮廓提取。（5）建立了基于半边流场的一阶和二阶组合结构的特征模型及其特征描述符,并建立了相应的的运动匹配规则。通过实验证明在多种运动场景下,基于半边流场的特征点检测不受背景变化的影响,组合结构特征描述符不会因运动背景的变化而发生改变,对纵向运动形变有着较强的抗干扰能力,连续跟踪能力较好。