针对传统基于面积比不变的仿射不变量方法具有的特征点选取不稳定且有冗余以及区域面积误差累积等特点, 提出了一种基于图像椭圆扁度划分策略的仿射不变量构造方法。介绍了图像仿射变换模型, 得到了图像仿射近似条件。结合图像椭圆扁率定义, 依据不变矩理论证明了仿射变换下图像扁率的不变性。给出了图像扁度的定义及其物理含义, 并以此作为图像同心圆划分依据, 选取三阶以下仿射不变矩作为图像特征量, 通过计算各同心圆区域的仿射不变量描述图像目标。将提出的方法应用于实际舰船图像并结合离散系数对其稳定性进行了分析。结果表明: 同一舰船目标各种仿射变换图像计算所得扁度相同, 所在划分特征圆区域仿射不变量离散系数最大为1.55%。得到的结果显示该方法对目标图像的特征区域划分具有唯一性, 构造的仿射不变特征稳定性较好。

大规模图像集合的自动分组，不仅可以帮助用户快速组织和掌握图像集合的内容，并且是基于图像的三维场景重建应用的前提和重要环节。提出一种基于词袋模型(bag-of-words, BOW)的层次化分组算法，将每幅图像表示为一个超高维视词向量，利用多路量化技术将内容相似的图像量化到同一个节点，从而完成对图像粗略分组。然后，在每组类别里面，对图像的局部特征向量进行逐一匹配，并利用仿射空间不变量的约束条件，去除不可靠特征匹配，得到更为准确可靠的图像相似度度量，从而完成图像的精细分组。实验结果表明：从得到的系统不同阶段图像分组的查准率-查全率(precision-recall)曲线可以看出，精细分组过程可以显著提高粗分组精度，并且在精细分组阶段，使用约束条件比不使用约束还能获得更高的分组精度

针对全局曲线匹配在闭塞目标识别中不再可行，提出了一种用于闭塞目标识别的部分对部分曲线匹配方法。首先，构造了一个目标轮廓局部形状特征描述子称之为仿射不变曲线描述子 (AICD)，它基于一个曲线仿射不变量及其无符号积分，具有仿射不变特性；其次，结合 AICD和基于曲率零交叉点的仿射不变曲线分割方案，给出了一个仿射变换下的曲线匹配算法。实验表明该算法对于存在仿射变形和部分闭塞的目标识别有效且优于现有的曲线匹配方法。

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题，本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进。借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配。结果显示，提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力，而且对视角变换也有很好的鲁棒性，实现了完全的抗仿射变换。实验结果表明，与传统的SIFT算法相比，本文算法对仿射变换尤其是有大视角改变时有更好的适应性。

为了研究彩色图像的矩不变量特性，采用四元数进行彩色图像处理，以充分利用彩色图像的整体信息，实现彩色图像RGB并行处理。本文把传统灰度图像的矩不变量理论推广应用到四元数层面上来，定义了彩色图像的四元数矩并构造了该矩函数的仿射不变量。实验结果表明：所提出的彩色图像的四元数矩不变量的稳定性要优于L.V.Gool等人提出的彩色矩仿射不变量，其σ/u值提高了2个数量级。所提出的四元数仿射矩不变量可以作为模式识别中彩色目标的特征描述子来实现彩色图像目标的识别与跟踪。

针对MSA(Multi-Scale Autoconvolution)算法对光照变化敏感且在进行目标搜索时计算量大的缺点，提出了一种结合MSA和方向编码的快速景象匹配算法。首先，求待匹配图和模板的方向编码图，以消除光照变化的影响；其次，对方向编码图进行分块处理，分别求取各子块的MSA值，在每个搜索位置，只更新MSA值矩阵的一行(列)，这样使计算量减少到不足原MSA算法的1/8。用cameraman图像和实际卫星拍摄图像进行实验，结果表明，改进后的算法不仅对仿射变换、轻微透视投影变换、噪声及遮挡具有鲁棒性，同时可以抗光照变化的影响，且搜索速度更快，在实际拍摄的图像中能对目标进行准确识别和定位。

提出了一种用于图像分割的分段可变形模型,并在模型的能量函数中引入了仿射不变量信息.将模型轮廊进行层次化的分段变形能够保持标记点移动的相关性,改进的内外部能量函数定义减少了计算量.试验表明与传统方法相比,本模型运算速度快,抗噪声和避免陷入局部极小值的能力较强,对医学图像的分割有较好的效果.