图像特征是解决众多计算机视觉问题的基础,能否提取出那些反映目标本质属性的特征参量,是能否正确解析图像、理解图像和识别目标的关键。由于局部不变特征针对图像模糊、视角、放射、光照及压缩等变换具有良好的变换不变性,因而在图像拼接、图像配准、图像和视频检索、目标识别、目标跟踪及数字水印等方面拥有着广阔的应用前景并且得到了高度的重视。特征检测、特征描述和特征匹配等操作过程是基于视觉不变性理论的局部不变特征提取方法的主要步骤。因此,本文的主要工作有：(a)深入分析了视觉不变特征相关理论基础,通过对视觉不变量理论中变换群、特征不变量等数学模型的分析,研究局部不变特征的不变性来源。(b)通过对角点、斑点和区域等典型的局部不变特征检测算子进行建模,尤其是详细分析了由具备强度和旋转不变的检测算子到尺度不变的尺度不变检测算子的构建过程,进而得出局部不变特征检测的一般过程。(c)针对典型的局部不变特征描述符的构建过程进行建模,得出局部不变特征描述的一般过程,即区域检测和归一化、图像特征获取、权重分配、描述符构建和归一化等；并指出基于图像偏微分性质的图像特征和基于特征分布的图像描述符具备更加鲁棒的图像描述能力。(d)针对自相似性描述符仅仅具备较小的局部仿射不变性和非刚体变形不变性等不足,论文提出了几种新的更加适合于不同计算机视觉任务的自相似性描述符；通过针对Oxford Affine和VOC2006数据集的实验评估,验证了论文所提出的几种自相似性描述符在应对广义仿射变换时所具备的良好的稳定性和可匹配性,并为不同的计算机视觉任务提供了更多可选的局部不变特征。(e)在中层图像特征方面,针对传统BOW模型噪声词汇存在、词汇大小长度难以确定等问题,论文通过采用稀疏偏最小二乘SPLS算法针对初始BOW模型进行学习训练进而产生区分性更强、维度更小的子空间,并最终仅需10个隐变量。实验结果表明,基于SPLS进行传统BOW模型调优可以获得更加紧凑、富有表达能力的高层BOW模型。论文的主要研究成果和创新点如下：1、针对目前LSS描述符的不足,基于内在几何分布的局部自相似性特征,提出了一种新的仿射不变特征提取框架,即基于特征分布的局部自相似性描述符和快速局部自相似性描述符,记为LSS (C)和FLSS (C)。采用基于特征分布的直方图表达方法,使得本文提出的LSS(C)和FLSS(C)描述符获得更佳的几何变换不变特性。相反,原始的LSS (LP)描述符从每个图像区域格子里面选择一个最大的自相似性特征作为该维度的特征值,因而仅仅具备有限的几何变换不变性。在图像匹配和对象类别分类评估协议的实验中,论文提出的LSS(C)和FLSS(C)描述符的性能均超过原始的LSS (LP)描述符,在性能上非常接近于经典的SIFT描述符。此外,这两个描述符的计算复杂度较低,比SIFT简单快速。2、提出了利用微分性质来解决基于特征分布的LSS (C)和FLSS (C)描述符在光照和压缩变化时性能不稳定性问题的方法,即基于微分性质的局部自相似性描述符(OLSS,C)和简化局部自相似性描述符(SOLSS,C)。它们建立在LSS(C)和FLSS(C)描述符基础上,并在建立频率直方图的过程中采用了基于梯度方向分箱策略。利用这种方法构造的局部不变特征描述符,能够在几何不变性基础之上增加光照不变性,从而更加适应图像的光照和压缩变化,具有更强的图像描述能力。大量实验表明,基于微分性质和特征分布而提取的特征量在特征稳定性、分类识别能力和抗噪声干扰方面具有优良的性能,验证了特征提取框架的有效性。3、提出了两种基于LSS特征和主成分分析PCA的低维的LSS描述符,即PCA-LSS和PLSS。它们分别通过把PCA应用于归一化特征区域的LSS特征场和扩展的LSS描述符而获得。PLSS派生自OLSS (C),因而具备与OLSS (C)类似的几何和光照变换不变性,优点是特征维度大大减小,从而更加适合有限内存系统或者需要大量运算的实际应用。4、针对传统BOW模型噪声词汇存在、词汇大小长度难以确定等问题,论文通过采用稀疏偏最小二乘SPLS算法针对初始BOW模型进行学习训练进而产生区分性更强、维度更小的子空间；甚至尝试获得通用的子空间维度大小,并最终仅需10个隐变量来表达图像内容。图像分类结果表明论文提出的"BOW+SPLS+KNN"算法的测试结果最好、算法性能相当稳定、词汇维度相当小、运行效率很高,即使初始词汇维度变化很大。