人类每天会通过眼睛获得大量的视觉信息,大脑会进行自动的过滤与筛选,从而捕捉到感兴趣的区域。在这些区域中,通常有我们想要寻找的目标。在模式识别算法的研究中,需要使用一个简洁的向量对局部区域进行描述,挖掘图像元所具有的模式,从而进行目标描述以及匹配搜索。局部自相似描述算子能够获取局部区域所具有的布局模式,具有较好的鲁棒性。本文对自相似描述子在目标物体的定位、检测以及跟踪算法中的应用分别进行了研究。首先对其特性进行了研究。对多个视角下的对应点提取局部自相似描述子,分析其旋转、平移不变性。在此基础上,我们对该描述算子进行目标空间定位的应用研究,对不同视角下的图像集的点进行匹配、优化,得到兴趣点的空间坐标,从而定位目标物体位置,并可以进行测量。由于感兴趣目标常位于图像的显著性区域中,本文对显著性与自相似描述子相结合的检测算法进行了研究。首先提取图像的显著性区域,然后在显著性区域中检测目标,得到了不错的效果。由于在视频跟踪算法中,常常面对目标物体形变或者部分遮挡的情况,我们使用自相似描述子对目标物体,以及跟踪算法的正、负样例进行描述,提升了跟踪算法的性能。本文通过对局部自相似描述子在视觉领域的一些应用的研究,表明其对于局部区域的外观、布局模式具有较好的描述能力,同时有着良好的鲁棒性。提取特征描述子是构建视觉模型的一个极其重要的基础环节,因此本文的研究有着重要的意义。