随着计算机和信息技术的发展，用计算机视觉系统来辅助或代替人的视觉感知系统，减轻人的工作量或完成人类无法完成的任务，如图像数据检索、月球探测等技术领域。当以计算机视觉系统实现人的视觉时，同样会面临辨别和认识所“看”到的物体，人类可以利用不变的信息识别物体。对于计算机而言，则是通过选择和提取物体不变特征来进行模式识别，进而对目标识别。视点和距离的改变使得对同一场景所获取的图像之间产生差异，从这些图像中提取不受传感器姿态和位置影响的特征，是许多图像智能处理应用中的共性问题，也是实际应用中不可绕开的难题。被测目标在图像传感器上所成的图像之间满足透视变换关系，当目标尺寸远小于目标与传感器的距离时，透视变换可近似为仿射变换模型，仿射变换较好地描述了目标在不同视点和距离下所成图像间的关系。图像检索、图像数字水印、遥感卫星图像处理、目标识别等技术领域中，往往需要从不同视点图像中提取不受几何变形影响的特征量以支持后续其它问题的处理，因此仿射不变特征应用优势明显，也就成为了这些领域的研究热点。本文以图像处理与目标识别为应用背景，深入研究了基于多尺度理论框架和仿射几何变换提取仿射不变特征的理论和方法，重点研究了区分能力好、抗非仿射变形能力强、计算速度快、适用范围广、实用的不变特征提取方法，论文的主要研究内容：(1)多尺度自卷积变换快速算法研究针对多尺度自卷积变换计算复杂度大的问题，分析变换中尺度值对各运算环节复杂度的影响，建立计算复杂度、图像尺寸和尺度值之间关系的数学模型，分析其中傅立叶变换复杂度的比重。研究保持多尺度自卷积变换值的最小变换尺寸要求。针对尺度在[-1,1]区间内以1/Z+（Z+为大于1的整数）间隔取值特点，研究最小化变换次数快速算法；针对尺度在[-1,1]区间外取值特点，研究最小化变换尺寸快速算法；针对尺度变换后部分尺度满足1/Z+间隔取值特点，研究最小化变换尺寸与变换次数串联快速算法。以计算复杂度模型，分析各种尺度下快速算法提升的效率，并与算法实际运行时提升的效率对比。研究快速算法在高维多尺度自卷积变换中的应用，建立三维多尺度自卷积变换计算复杂度模型，在给定尺度下，理论分析算法提高的效率。研究归一化仿射矩不变量的快速算法。实验表明，本文提出的快速算法将各尺度下的变换速度提高到约2~6倍，同时保持了与原方法一致的特征值精度，特别是最小变换次数法推广应用到归一化仿射矩不变量时，可将其速度提高到2倍以上。(2)多尺度直方图仿射不变量提取算法研究依据多尺度自卷积变换中密度函数，研究保持密度函数仿射变换关系的归一化方法，构建提取直方图不变特征的算法，利用直方图构造矩和熵不变量，推广算法在高维中应用。推导直方图特征的互换性、对称性和标准形式不变性，分析尺度值与特征值的关系，研究尺度、灰度阈值选择方法和直方图特征实现方法。依托二维坐标在给定的两系数下进行线性变换，构建两尺度密度函数，研究将函数卷积值转化成直方图区间划分方法，提取两尺度直方图特征。设计实验分析尺度取值、灰度阈值对两种特征识别率的影响，实验分析特征对二值图像、灰度图像、视角变换图像的分类效果。实验表明，两种特征的识别率在抗非仿射变形方面优于经典尺度下的MSA特征，其中两尺度直方图特征总体性能最优，计算最快。(3)扩展质心的仿射几何不变量提取算法研究扩展质心方法是通过迭代仿射区域划分得到图像中一系列仿射不变点，利用不变点构造几何不变特征。研究仿射区域划分得到的每对扩展质心与图像质心的位置关系，制定无冗余仿射区域划分策略，研究线段长度比仿射不变特征提取方法和扩展图像构造方法，提出新的扩展质心提取方法，通过增加扩展图像数量，减少划分次数，提高特征维数，构造线段长度比不变量。实验分析质心的共线性、所提特征的仿射不变性、扩展函数对特征稳定性的影响、特征的识别能力和计算效率。实验表明，所提划分策略累积误差小，与经典的三角形、四边形面积比不变量相比，在同等特征数量条件下，所提特征稳健性高，分类识别性能更优。(4)多尺度仿射几何不变量提取算法研究研究利用多尺度框架构建一系列仿射协变图像方法，研究基于扩展质心构造仿射区域面积比不变特征提取方法，利用协变图像构造多尺度区域面积比不变量，提出组合划分策略，以一次仿射区域划分构造任意数量的不变特征。研究尺度取值对协变图像和特征值不变性的影响，推导特征保持仿射不变性最小定义域。实现不变特征的快速计算。协变图像灰度由原图像灰度和灰度分布信息共同确定，二值图像的协变图像灰度不是单一值，研究特征用于二值图像识别。研究利用协变图像提取不变点配准原图像的方法。实验表明，多尺度仿射几何特征抗噪声、抗照度变化、抗局部遮挡、抗投影变形能力全面优于MSA特征，大多数条件下优于MSA矩特征，运行速度最快，在图像配准方面，精度大大高于原扩展质心方法。本文提出了一种仿射不变特征快速算法和三种仿射不变特征提取方法，在目标识别和图像自动配准等方面具有重要的应用价值。