仿射不变的特征提取在模式识别和机器视觉等领域占有重要地位。由于图像矩的计算方便,它已成为目前常用的全局不变特征提取技术。然而高阶矩对噪声敏感,实际中常用的仅是有限几个由低阶矩构造的不变量。为改善矩构造不变量的抗噪性能,目前采用的技术大多是以增加计算量作为代价的。同时,尽管零阶矩抗噪性能强,但却未被直接用于不变量的构造。为此,本文考虑改造矩的概念,以利用更多的低阶矩构造仿射不变量,增强其对噪声的鲁棒性,提出极半径矩和广义零阶矩。（1）提出极半径矩。它其实是对称极半径上图像灰度值代数和构成图像的矩,传统图像矩仅是这种极半径矩的特例。利用极半径矩给出了构造仿射不变量的算法。特别地,一阶极半径矩可看作一种广义的零阶矩,它不仅可用于规范化相对仿射不变量提取绝对仿射不变特征,也可直接用于仿射不变量的构造。实验结果也表明所提算法构造的量是仿射不变的,并且低阶极半径矩所构造的不变量抗噪性能更好。（2）提出广义零阶矩。几何矩中的零阶矩抗噪性最强,然而它仅能用于规范化其他相对不变量以实现绝对不变量的构造。本文考虑以抗噪性更强的其他量代替传统零阶矩进行这种规范化。为此换个角度看零阶矩,将其推广为一类带参数闭曲线所围区域的面积,并称之为广义零阶矩。证明了广义零阶矩的相对仿射不变性,理论上说明了随着次数的增加,广义零阶矩的抗噪性越弱。因此提出利用零次广义零阶矩代替零阶矩进行相对不变量的规范化,并利用传统零阶矩构造仿射不变量。实验结果也表明零次广义零阶矩的抗噪性能更优,零阶矩也可用于仿射不变量的构造。