典型目标的稳定特征提取是目标识别领域一个非常有意义的研究内容。为提取目标图像变化的平移不变性、旋转不变性、尺度不变性的因素,采用圆周的投影坐标形式,并对圆周积分投影的值做归一化处理,获取圆周积分投影的曲线。基于圆周投影的积分对象可以是灰度、梯度等不同的基于图像灰度的纹理信息度量值。圆周投影曲线对同一目标随目标图像的旋转仅发生相位平移,且对不同旋转角度的投影特征曲线,作周期延拓后的周期函数在各周期内的函数波形相同。针对同一典型目标区域和同一类典型目标区域的变化情况提出:严格条件下的特征曲线和宽松条件下的特征曲线的概念。同一典型目标区域或同一类典型目标区域在不同图像中的影像间纹理细节和纹理的分布细节同时存在一致性联系和差异性区别。当细节完全一致而差异性必然趋向于零的情况下,特征曲线的细致结构趋向于完全相同――形成严格条件下的特征曲线。当一致性减少,差异性增强时,特征曲线的稳定的一致性结构信息也将减少――形成宽松条件下的特征曲线。特征曲线描述了典型目标区域的一致性信息和差异性信息。提取稳定特征就是分析特征曲线的一致性信息。结合典型目标区域的简单的先验知识,给出基于正交小波基的低频曲线多尺度分析方法。为减小运算量,给出了函数的基于小波基的多尺度重构公式和基于尺度函数的多尺度重构公式,并证明二者在正交小波基条件下是等效的。基于正交小波基的多尺度重构公式给出函数的快速分解运算,基于尺度函数的多尺度重构公式则用于函数的多尺度分析。提出的基于简单先验知识和连通域的聚类算法减少了运算量。提出的基于sobel标记和形态学膨胀的区域增长算法等效于传统区域增长算法,简单分析了在传统算法判断标准失效情况下,本文提出的算法能有效克服其缺陷的优势。实现了对同一类典型目标区域的分析和分割。并将前述结论运用于不同图源景象匹配参考图制备技术中。