随着互联网技术的应用与发展，人们每天会接触到种类繁多的图像数据，面对如此海量的信息，仅仅依靠人工去处理它们，显然是不切实际的。随着计算机处理能力的不断增强以及计算机科学的不断发展，模式识别中局部不变特征以其良好的稳定性、可重复度、以及可匹配性受到越来越多国内外学者的关注。然而在实际应用中，局部不变特征的数量多少和位置分布依然是不确定的，在使用中并没有一种最优的选取方案。本文在分析局部不变特征的基础上，尝试去探讨使其数量及其位置分布更加合理的完备性解决方案。本文首先从尺度空间理论以及仿射不变性入手，概括出图像局部不变特征的技术流程，进而详细研究了MSER、SIFT、ASIFT等几种常见的局部不变特征的检测及其描述方法。在掌握这些局部不变特征的基础上，深入探讨分析局部不变特征的完备性描述方法。通过分析简单的二值图像，概括出得到局部不变特征完备性描述的一般方法，进而通过在灰度差值空间中，为每一个局部邻域提取其局部结构的生命——骨架来找到区分局部邻域重要程度的方法，从而获取整幅图像的完备性描述，之后采用三维立体的形式对其进行展示，以直观形象地观测实验结果，并与相关的完备性方法进行对比。实验采用基于文中所述完备性方法定位的特征，采用BOF模型进行图像分类，来验证本文所述完备性方法的合理性。为了进行对比分析，在保证其他参数一致的条件下，实验结果分别与基于均匀采样、SIFT、MSER、Harris Affine、Hessian Affine、IBR、EBR、采用模拟图像压缩过程来获取完备性描述的方法等多种不同的方法进行对比。实验结果可见，本文方法在实验用的两种数据集上均得到了比较满意的效果。