一致性标号算法在计算机视觉中具有广泛的应用。一致性标号算法分为稀疏点集标号和稠密点集标号,本文提出一种基于局部最优描述的稀疏点集标号算法;并在鲁棒稀疏点集标号算法的基础上,提出结合稀疏点集信息的稠密点集标号算法。本文针对多个涉及到一致性标号的应用问题,分别进行了详细的算法设计。1.点集匹配是稀疏标号的典型代表,本文利用局部的暴力搜索提高算法的整体性能,提出点集匹配的局部最优描述,并进行详细的统计实验,实验证实本文算法在应付点集变形、噪声点、外点、局部遮挡、大角度旋转等干扰时,相对传统的点集匹配算法精确度和鲁棒性较高。2.在鲁棒稀疏点集标号算法的基础上,本文提出结合局部特征点信息的光流场分析方法,并针对PIV粒子图像流场分析进行了详细实验,实验证实本文提出的光流场能够很好地应对图像特征信息较弱的情况。3.本文将一致性约束建模到当前较为热门的三个研究领域中:背景建模、多目标跟踪、三维网格跟踪。传统的背景差分没有将空间信息结合到背景模型中,本文从这一点出发,建立一致性约束的背景模型,实验结果证实本文提出的背景模型相对于传统背景模型鲁棒性和精确度较高,并且能够自适应地调整阈值。多目标跟踪在面对多个表观相似的运动目标时,容易产生混淆,本文将目标之间的空间距离约束结合于多目标跟踪,实验结果证实该方法能够很好地应对该种情况,并且能够应付若干目标遮挡的情况。三维网格跟踪是近场运动目标姿态测量的核心算法,本文提出利用网格点集之间的空间约束来提高算法的鲁棒性,并且针对存在大视角变化、局部遮挡的舰载机调运避碰进行了模拟实验,实验证实本文提出的三维网格跟踪算法能够应对上述两种干扰情况,得出较好的跟踪结果。