计算机视觉和图像处理领域普遍存在数据维度高,图像数据类型日益复杂的情形,经典的计算和分析方法对这类图像数据进行分析处理时往往计算代价过高,甚至会完全失效。通常在对高维复杂图像数据进行分析和处理之前,需要对样本数据集进行特征提取操作,提取与样本相关性强的特征点,并且要去除噪声特征点和与样本数据集不相关的冗余特征点,以便为后续的处理工作提供高价值的数据。通常图像特征提取方法所获取的特征点,在表征图像时存在优劣之分,同时特征点的优劣直接影响着实际应用中图像处理的结果。图像特征提取是进行图像配准、图像目标识别、图像检索等应用的关键步骤,从图像数据中提取表达能力强、抗噪能力好的图像特征仍然是图像处理领域的研究难点和热点之一。本文在对常用的特征提取方法进行深入分析的基础上,针对若干特定应用领域的图像特征提取方法进行了深入研究,提出了一系列改进算法,以提高特征提取的有效性和实用性。具体内容如下：1提出了一种约束优化进化的夜间图像时频复合特征提取方法。对多帧夜间模糊图像的时域与频域同时加权处理,是实现深度提取夜间模糊图像特征的先进方法。传统的夜间图像特征提取方法大多只单独提取时域特征,没有对多帧夜间低质量图像的频谱特性进行分析与特征提取。本文方法针对多帧原始图像,分别在频域和时域提取多帧图像之间的相关信息；通过加权处理形成新的图像特征；运用约束优化进化算法对图像特征提取的结果不断进行循环优化,最终达到更好的特征提取效果。2提出了一种基于柱状图特征描述的含噪图像特征提取方法。在基于内容的图像检索方法中,通常将图像的内容表示成柱状图,根据图像柱状图之间的相似性进行检索。由于数码图像中包含噪声,往往使得柱状图变得平滑,图像之间变得更为相似,导致返回结果中图像数量增加,检索准确率降低。为了进一步提高图像检索方法性能,本文提出了一种对噪声不敏感的柱状图特征描述符,并用该特征描述符进行图像检索。将图像中的噪声描述为平稳附加高斯白噪声,并给出相应的柱状图表示。通过随机变量的原点矩定义了柱状图的特征描述符,并且分析了如何应用特征描述符恢复原始图像的柱状图。3提出了一种基于LBP和人眼视觉感觉模型的航空图像特征提取方法,研究非单一目标的航空图像准确检索的问题。由于航空图像特定区域中的目标呈随机性分布,干扰目标与识别目标交错分布。传统的图像检索算法的思路都是以目标为线索,根据特定的目标像素特征,或者关联特征完成图像的检索。干扰排除也以特征对比为主,方法较为机械,在目标众多环境下,排除过程极其复杂,检索效率与准确性都很低。为了避免上述缺陷,本文方法利用局部二进制(LBP)方法进行航空图像的特征提取,并将上述不同种类的特征作为人眼视觉感觉航空图像检索的基础数据。通过建立人眼视觉感觉模型,进行航空图像检索,提高了检索效率和准确性。4提出了一种基于SIFT描述符的图像角点特征提取方法。该方法使用最近距离比的方法来获得初始匹配特征描述符对,有效减少异常值的影响。此外,利用尺度方向的联合限制寻找假匹配SIFT描述符对。并利用随机采样一致性原则删除异常值,提高图像角点特征配准精度。5为实现对图像的实时边缘检测,研究了基于嵌入式多DSP的实时边缘检测系统。设计了基于3个DSP两两相连的图像边缘检测运算模块,并通过FPGA对图像进行预处理来提高检测效率,保证了边缘检测的实时性。采用改进的万有引力边缘检测算法,降低噪声对检测结果的影响,提高对细节信息的检测准确度。