在模式识别过程中，特征表示是否得当是后续分类效果高低的前提条件，也是整个模式识别系统性能优劣的重要条件。目前，结构模式识别与统计模式识别是模式识别领域的两大分支，如何将统计模式识别和结构模式识别相结合，取长补短，联合进行模式识别任务，是解决模式识别问题的新方向。本文针对模式识别中的图像特征表示与分类问题，以宏观结构特征和微观统计特征相结合为基本思想，以偏序结构作为表示方法，以距离度量作为分类手段，构造图像宏微观特征偏序结构一体化表示的理论框架与相似性度量方法。首先针对结构模式识别中基元提取与基元关系构造问题，提出了序化的图像结构特征表达模型。通过构造图像基元的形式背景，应用几何代数中的多向量标记图像基元位置，再按照图像基元的属性偏序关系构造关系图，从而得到基于几何代数表示的图像结构特征表达方式。其次针对图像空间特征描述的表示与相似性度量问题，提出图像宏观结构特征与微观统计特征相集成的图像特征提取与分类方法。一方面以四叉树分解对图像进行空间结构特征表示，并提出基于几何代数表示的标签四叉树距离计算方法；另一方面在图像四叉树分解的基础上，利用区域协方差描述子提出一种图像的多尺度局部特征提取与相似性度量方法；最后将图像宏观结构距离与微观统计特征距离加权融合用于图像整体的相似性度量。论文在四组人脸图像数据库上进行实验，并与现有文献中方法进行比较。实验结果表明，将微观统计特征和宏观结构特征相结合进行图像特征表示与分类的方法，能够获得较高的分类精度，是一种有效的模式识别方法。最后研究了图像多尺度特征描述的表示与相似性度量问题。一方面应用四元数小波变换对图像进行多尺度分解，将不同尺度上的图像视作图像基元，并利用形式概念分析挖掘图像基元的序结构，建立图像基元的属性树结构；另一方面针对属性树结点特征提取问题，以协方差矩阵和奇异值分解为工具构造不同尺度图像基元的微结构表达，并建立了属性树父子结点间的加权关系，最终构成图像宏微观一体化的多尺度加权属性树表示模型，将图像分类问题转化成对应属性树相似性度量问题，并在此基础上设计了一种属性树距离计算方法。最后在国际标准纹理图片库UIUC以及一组医学显微CT数据集上进行测试，并与传统方法相比较，实验结果表明，提出的方法可以显著提高分类精度。研究结果表明，本文提出的图像宏观微观特征偏序结构一体化表示与相似性度量方法，具有特征表示统一化，识别方法简单化，有利于知识利用和生成等特点。该方法有望进一步发展和完善，并应用于其他领域的模式识别问题。