图像的局部不变特征是图像处理、计算机视觉、模式识别等领域的研究热点,因为利用图像的局部不变特征比直接利用图像的像素具有更好的性能,因此图像局部不变特征被广泛地应用于各种计算机视觉应用领域,如图像匹配、图像拼接、图像检索、目标识别与跟踪等。图像特征描述是图像局部不变特征提取的一个主要过程,它将一块图像区域转换为数学中的向量形式,从而可以被后续利用。局部强度顺序模型(Local Intensity Order Pattern, LIOP)是一种新颖的特征描述算法,该算法通过设计一种旋转不变的局部坐标系,可避免特征区域的方向估计。但是,该算法在特征描述时需要对采样像素进行排序,导致其易受噪声影响；而且,当采样点数较多时,描述子的维数较大,不便于后续利用。针对LIOP算法的缺点,主要做了以下改进：(1)针对LIOP算法易受噪声影响的问题,提出了一种改进的基于阈值的描述子构造算法。在对像素排序时,设置一个阈值,当两个像素值相差阈值以上时才认为有大小关系。通过设置阈值,可以有效降低噪声的影响。(2)针对LIOP算法在采样点数较多时,描述子的维数较大的缺点,提出了一种分段设计描述子算法。将采样像素按照奇偶序号分为两部分,对两部分分别构造描述子,然后将两部分的描述子串联起来。通过这种方法,在保证描述子性能的同时,得到的描述子维数较低,便于后续图像匹配等计算机视觉方面的应用。(3)将纹理加权算法引入改进的描述子构造算法,对子区域内各点的描述子累加时乘以一个权值,该权值是该点周围采样像素差的平方和。该方法进一步增强了描述子的鲁棒性。对标准的测试图像和四组包含更复杂光照变换的图像进行实验,与传统的经典描述子相比较,本文的描述子显示出了更优越的性能,实验结果表明该方法不仅对单调强度变化和旋转变换具有较好的不变性,并且对其它几何变换和光照变换也具有较好的鲁棒性。最后将本文的描述子用于图像拼接中,从拼接实验结果可以看出,在保证拼接图像分辨率足够的情况下,图像的范围更大,从拼接的结果中可以看出拼接效果较好,获得了基本能够满足人眼视觉要求的拼接图像。