图像特征提取是计算机视觉和模式识别等领域的一个重要研究内容，它是图像匹配、图像拼接、图像检索、数字水印等众多视觉问题的基础。图像局部不变特征具有不受平移、尺度、旋转、光照、视角、模糊以及遮挡等因素影响的特点。与其它类型特征相比，图像局部不变特征在可重复性，鲁棒性，独特性等方面具有明显的优势，是近年来的研究热点。　　本文着重从局部不变特征描述子的特征维数，编码速度，匹配性能以及其在移动机器人环境感知中的应用这几个方面进行探讨和研究。论文的研究成果和创新性主要体现在以下几个方面:　　1.提出一种采用2DPCA对梯度向量块进行降维的低维局部特征描述方法——2DPCA-SIFT。PCA-SIFT方法通过对规范化梯度向量进行PCA降维，在保留特征不变性的同时，有效地降低了特征矢量的维数，从而提高了局部特征的匹配速度。但PCA-SIFT中对本征向量空间的求解非常耗时，极大地限制了PCA-SIFT的灵活性与应用范围。提出的2DPCA-SIFT相比于PCA-SIFT，可以快速地求解本征空间。实验结果表明2DPCA-SIFT在多种图像变换匹配和图像检索等实验中可以实现与PCA-SIFT相当甚至更高的性能，并且从计算效率上看，2DPCA-SIFT具有更好的扩展性。　　2.SIFT特征描述方法存在特征维数高，计算效率低等问题，对比度上下文直方图(Contrast Context Histogram，CCH)虽然具有快速低维的特征，但匹配性能较差。本文针对这些问题，在CCH的基础上提出了独立元素对比度直方图(Independent ElementaryContrast Histogram，IECH)和均值规范化对比度上下文直方图（mean normalized contrastcontext histogram，MN-CCH）。实验结果表明:IECH和MN-CCH在保留原CCH描述子编码快速、低维（64维）等优点的同时，匹配性能有了明显的提高。两种描述子在保持与SIFT相当性能的前提下，具有特征维数和计算效率的优势，更适合在一些对计算和存储资源要求较高的应用（如机器人导航，视觉SLAM等）中使用。　　3.MRRID(Multi-Support Region Rotation and Intensity Monotonic InvariantDescriptor)描述子在子区域中利用CS-LBP(Center-Symmetric Local Binary Pattern)对像素灰度信息进行编码来构建直方图。由于CS-LBP只考虑对比度符号，未考虑对比度强度对编码的影响。本文通过对比度大小来计算每个CS-LBP编码的权重，提出加权的MRRID(WMRRID)描述子。借鉴RLBP(Robust Local Binary Pattern)思想，提出了RCS-LBP(Robust CS-LBP)编码并将其应用到局部特征编码中，称之为Robust MRRID(RMRRID)。实验结果表明，提出的WMRRID和RMRRID在保留原MRRID相似的算法复杂度和相同的维数的情况下，在图像变换和检索实验中较MRRID描述子有明显的提高，两种方法对图像灰度的变化具有更好的鲁棒性。在图像拼接中的应用也说明了提出方法的有效降低图像变换模型的估计难度。　　4.提出一种基于局部不变特征和相机空间模型的移动机器人环境感知方法。该方法预先估计单个相机中三维坐标到图像坐标的投影模型参数，即相机空间参数。在环境感知中，采用局部不变特征完成目标物体在多个相机空间之间的立体匹配，然后利用多个相机的相机空间模型约束以及目标在各相机中的图像坐标来计算其三维物理坐标，完成其三维信息的恢复。仿真和原型系统实验表明，提出的方法具有模型简单，对相机架设约束少，易向多目扩展等特点，能准确地恢复局部特征匹配点的三维坐标。在单目主动视觉系统的障碍物检测实验也证明了提出方法的有效性。