目标识别和分类方法是当前光学、计算机视觉和人工智能等领域的研究热点,主要包括目标的表达和分类器的设计两个部分。近年来,基于局部图像特征的方法显著发展,本文就是以局部图像特征为基础,通过设计合适的目标表达模型,和适当的分类器,实现对特定目标的识别和分类。首先对局部图像特征进行了较为深入的研究,好的局部图像特征应具有重复率高、速度快和对图像变换的不变性,从上述三个方面对SIFT, SURF, Daisy等三种当今流行的典型局部图像特征进行了比较。提出了一种全新的图像点描述符(EPD),利用图像点周围特定窗口内采样像素点的颜色,梯度模值以及梯度方向构成的特征向量对图像点进行描述。将其与SIFT相比,在不变性方面与前者性能相近,但是其低维度在速度上更加具有优势。EPD描述符不仅适用于描述图像的极值点,而且适用于描述一般的图像点。这一特性使其可以用于稠密立体匹配,并显示了良好的匹配效果。对于局部图像特征的应用还可以延伸到伪造印章的识别领域,对于印文图像识别的配准难的问题,提出了全新的印章识别新体系,以随机生成的特征线一致性来判定印章的真伪,实验表明,这种方法适用于各种类型和内容的印章识别。在目标识别研究中,提取了局部图像特征后,采用BoW方法对这些特征向量聚类,形成特征分布直方图；然后采用SVM作为分类器,并且得到了相应的平均分类准确率；最终实现基于局部特征的目标识别和分类。