图像特征提取是计算机视觉的基本问题,是图像匹配、物体识别、视频分析、图像检索等问题的基础与重要组成部分。自提出以来,研究人员在这个领域已经取得了许多卓越的成果,尤其是生理学,神经学等相关学科的研究发现大大推动了本学科的进步。但是,图像特征提取算法仍在诸多方面存在缺陷与限制,比如算法的计算复杂性影响了整个系统的实时性,提取的特征在类型上受到参考模型的限制等。尤其是随着视觉系统的各种任务越来越复杂、外界环境引起的图像变化越来越剧烈、所需要提取的视觉信息越来越多,这就对特征提取方法提出了能够处理多种图像结构的要求。而目前广泛使用的特征检测技术只能提取单一的简单的特征,如边缘检测中广泛使用的Robert、Sobel、Canny算子,角点检测中的Harris及其改进方法,以及近些年来广泛使用的SIFT与SURF方法。上述这些方法对于提取的图像结构都有明确的定义,所以难以通用或者实现特征之间的融合与相关。为了解决上述问题,就需要从新的角度开发一种能够对于大多数图像结构都适用的特征检测方法,所以这一方面也一直是研究的重点与难点。针对以上问题本文提出了一种基于能量的特征提取技术,既保留了类似于相位特征所具有的对于各种图像结构的适应性以及对于光照变化的稳定性,又实现了大尺度范围内的特征点检测,并且具有相对更简单的实现方式。本文的主要研究内容有：1.首先回顾了Gabor函数与Log-Gabor函数,并比较分析了彼此的优缺点,本文主要基于Gabor小波作为图像多尺度分析的工具。然后从相位的角度出发,详细分析了图像特征的类型,对于特征进行了有效的归类,研究了基于能量的特征提取技术。2.使用Gabor函数构建了图像的能量空间,使得在大尺度范围内提取特征成为可能。定义了图像结构与能量相关的特征尺度,研究了特征在尺度上的变化情况。最后针对图像卷积速度较慢的缺点,推导出一种递推形式的卷积公式,实现了能量空间的快速构建。3.针对图像特征提取受到参考模型限制的问题,本文在分析图像特征与图像能量函数关系的基础之上,提出了一种基于能量函数的图像特征提取方法。在基于Gabor滤波器组的图像能量空间中,使用迭代搜索的方法找到能量空间极值点,即同时得到特征点的空间位置与特征尺度。该方法属于空频域检测方法,所以不受到参考模型限制。4.最后,针对特征提取算法实时性较差的问题,本文探讨了使用Gabor函数近似高斯函数,用于特征尺度提取的方法,并结合改进的Fast-Hessian特征检测方法提出了一种快速特征点检测方法,能够在大尺度范围内检测输入图像的特征点,实验结果显示了该方法的可行性与适应性。