角点检测在计算机视觉与模式识别学科领域有着重要的意义与广泛的应用。其中,多尺度角点检测既能够完整描述信号的整体特征又不至于忽视信号的细节特征,因此受到人们的广泛关注。特别地,07年以来基于多尺度角点检测思想的直接曲率尺度空间(DCSS)算法与多尺度曲率乘积(MSCP)算法被先后提出。本文分析了这两种算法的特点,并结合它们的优势提出了一款新的角点检测算法,命名为P-DCSS算法。P-DCSS算法首先提取出图象中物体的边缘轮廓曲线,然后对曲线的曲率函数进行演化处理,得到不同尺度下的曲率值。最后,计算曲线上各点在多个尺度下的曲率值乘积,并将曲率乘积的局部极值超过给定阈值的那些点检测为角点。为了克服P-DCSS算法对噪音的敏感性,可以事先对曲线进行去噪处理。与DCSS算法相比,P-DCSS算法省略了对DCSS图象自上而下的一个追踪与分析过程,从而算法的整体思想和程序编写更为简洁。而相对于MSCP算法而言,P-DCSS算法能够以很少的计算成本取得同样的角点检测效果。本文最后讨论了P-DCSS算法在物体形状匹配任务中的应用。为了解决待匹配形状尺寸不同的问题,首先对P-DCSS算法的角点检测数据的进行简化与规范。由于相似的形状具有相似的角点位置及曲率值,我们应用规范化后的数据计算出一个数值,用以衡量不同形状之间的相似程度。数值实验结果表明,P-DCSS算法在角点检测、形状匹配任务中都具有良好的效果。