图像不变特征提取是图像处理、模式识别、计算机视觉等领域的热点问题,并有着广泛的应用。现有算法大体可分为两类：基于轮廓的方法和基于区域的方法。前者只利用目标轮廓,计算量小且易实现,但一般不适于由多部分组成的物体(如一些汉字等)；而后者利用图像上所有像素,提取的不变量更能反映图像特性,但计算量大且对背景噪声敏感。本文考虑将区域方法和轮廓方法结合,利用中心投影变换将目标转化为一条闭曲线,对得到的闭曲线利用轮廓的方法提取不变特征。中心投影变换在某个角度上沿着半径方向对图像进行积分,能够保留图像在该半径上的局部信息；随着角度的变换,所得闭曲线又能够体现图像的全局信息。利用中心投影将区域方法和轮廓方法结合,既能减少计算量又可提取有效的不变特征。主要结果如下：(1)提出基于中心投影变换的Fourier描绘子。原始的中心投影变换仅考虑旋转不变,本文所构造描绘子将中心投影和Fourier描绘子结合,使其同时具有平移、旋转、尺度不变的特性。对52个英文字符及70个相似汉字的实验表明了该描绘子的有效性。(2)证明了图像经中心投影所得闭曲线能保持仿射变换的结论,给出一种基于中心投影的仿射不变特征提取算法。为建立仿射变换下的点对应,对中心投影变换所得闭曲线进行参数化；为提取仿射不变量,对参数化后的闭曲线进行平稳小波变换；与此同时也分析了算法的复杂度。对105个商标图像、81个汉字,26个大写英文字母等的实验表明,该算法能有效提取不变特征,计算复杂度低,与传统方法MSA, AMIs等相比对噪声具有较强的鲁棒性。