计算机视觉的研究目标是：模拟人类视觉，根据感测到的图像对实际物体和场景做出有意义的判定。人类对于图像的感知是通过对其中包含的一系列特征进行编码，然后比较这些特征与先验知识之间的相似程度来进行的。因此，计算机视觉研究的两个很重要的内容就是特征设计和特征的相似程度度量。　　 本文着眼于计算机视觉中特征设计与相似性度量这两个重要的问题，关注它们在离散点集匹配和图像融合质量评估等问题中的具体应用。主要的工作和创新之处在于：　　 详细介绍现阶段计算机视觉的研究工作中，已被证明高效、普适性强并得到广泛应用的一些特征和相似性度量。　　 分析了形状上下文特征的缺陷及其产生原因；提出了一种新的特征，满足平移、缩放、旋转不变性；详细解释了新特征设计的物理原理，从数学角度证明了其各种良好的特性；利用这种特征进行形状点集匹配，证明了这种特征在实际应用中的有效性。　　 提出一种用于形状上下文特征相似性度量的地动距离计算方法，较之传统地动距离运算过程更为简便，而且能使不含方向信息的形状上下文特征获得旋转不变性。　　 图像融合是信息融合的重要分支，融合图像质量评估又是该领域一个重要的研究方向。特别是客观评价标准的设计，由于试图让计算机具备判定图像好坏的能力，因此是计算机视觉学科很多研究的重要应用。　　 本文在回顾了图像融合的基本概念，图像融合的基本方法原理之后，详细介绍了图像融合质量评估的国内外研究现状；分析了用于融合图像质量评估的结构相似性的视觉模型，指出其过于简化视觉特性，以及与显示设备特征不符合的缺陷；引入新的亮度和对比度模型，提出一种新的图像融合质量评估标准。实验证明，新引入结构相似度SSIM的亮度和对比度模型，比起之前所使用的简单的模型，更能够反映人的视觉感知与电脑显示硬件的特性，利用他们构造出的新的融合评估标准，也与人的视觉感知标准更为接近。　　 介绍了现阶段普遍使用的一些非基于结构相似性的图像融合质量评估标准，并且提出了一种新的基于颜色相似函数的客观图像融合效果评估标准；颜色相似函数通过计算明可夫斯基距离来衡量颜色概率分布之间的相似程度；从数学角度分析了这种方法在评估质量时可能的表现和缺点，并通过滑动窗口取显著信息加权的方法，弥补其缺憾。实验证明了这种新标准的可靠性和有效性，在评估不同层面融合方法时，表现优于大多数现有评估方法。　　 应用相似性度量于图像置乱效果评价，提出了一种使用Vigenère密码进行数字图像灰度置乱的方法；分析了这种置乱方法的各种特点；利用直方图相似度来检查图像置乱的效果，证明了其有效性、安全性以及简便性。