近年来,以SIFT为代表的局部描述子取得了很大的成功,极大地推动了计算机视觉相关领域的研究进展。目前,局部描述子匹配已经逐渐成为了宽基线匹配、物体识别、图像分类、图像检索等众多应用中的一种主要范式。反过来,这些应用的驱动也带动了对局部描述子更深入的研究。局部描述子的构造通常包括若干环节或步骤,其每个环节的具体操作都会影响到描述子的最终性能。旋转不变性是对描述子的基本要求,为了保证描述子的旋转不变性,通常构造描述子的步骤中大都包括一个计算主方向的中间环节。但是最新的统计结果表明,采用目前方法计算的主方向中有近三分之一其误差超过了20度,这无疑大大降低了描述子的性能。因此,探索精度更高,鲁棒性更强的主方向计算方法必将对描述子整体性能的提升起到重要的促进作用。针对这个问题,本文探索了一类新的主方向计算方法,并且取得了较好的效果,具体研究内容和研究成果如下：1.提出了基于灰度序的主方向构造方法。其基本思想是,对特征支撑区域内的像素根据灰度序进行分组,然后计算组内像素的几何统计量,以此为基础来计算主方向。本论文中给出了两种像素分组方法,分别是基于平均灰度和基于平均像素个数的方法；还给出了两种不同的几何统计量主方向计算方法,分别是基于几何重心点和基于椭圆拟合的方法。最后,针对不同场景,对图像旋转、尺度变化、光照变化、图像模糊、图像压缩及复杂光照变化下进行了性能测试,大多数情况下其精度都要优于以前的方法。不同于以往基于梯度统计的方法,本文方法是基于灰度序的,其主要优点是,第一,图像灰度本身比梯度信息受噪声干扰小；第二,基于梯度的方法仅仅对灰度的线性变换是不变量,而本文方法只要保持灰度序不变即可；第三,本文方法计算的主方向是连续的,而以前方法是离散数据经过插值得到的；第四,从计算复杂性看,本文采用了查找方法,其计算复杂性较低。2.给出了主方向对描述子性能的影响分析。主方向的计算主要是服务于描述子的,将本文提出的主方向应用于经典的描述子中,并进行了标准化性能测试,结果表明,其描述子性能总体上有了较大的提升。这也表明,本文提出的主方向计算方法是一种非常实用的方法。