特征提取是很多计算机视觉应用的基础,在图像匹配及配准、目标识别与跟踪等方面都发挥着重要的作用。近年来,随着价格低廉、带摄像头的移动设备的普及,计算机视觉算法也在向着更加快速、高效的方向发展,以满足在低计算力、低存储力设备上运行的要求。传统的特征提取算法在特征描述效果上虽已取得了一定成果,但这些算法大多计算复杂度高,不能满足实时应用的需求。研究算法简单、速度快、满足一定应用要求的局部特征提取算法,已经是该领域内亟待解决的问题。论文在现有快速局部特征的基础上,重点关注局部图像的描述方法,采用新的构造思路,提出了多种快速局部特征,并在测试和应用中验证了方法的效果。论文的主要工作如下：为了提高使用顺序排列直接构造描述子的鲁棒性,提出了一种基于排列分区的局部图像描述方法。该描述子构造算法简单,使用排列分区直接进行描述子构造,时间和空间复杂度均为线性,且先天具有单调光照不变性。在测试图像上的实验表明,该方法对较轻微的图像变形均具有很好的鲁棒性。将该描述子应用于交通标志的识别,取得了与常用特征相当的效果,且在速度方面优势明显。基于顺序排列与光照不变性的理论分析,提出了一种结合快速方向角点检测器、局部采样、排列分区描述的单调光照及旋转不变局部特征。该特征采用旋转不变的快速角点检测器,在局部图像块上进行采样后,对采样像素进行基于排列分区的特征描述。该特征在详细的测试中表现出了对旋转、光照、模糊等图像变形的良好鲁棒性,且具有与众多二值特征相似的时间效率。在影像稳定和全景图像拼接等应用上的效果也表明该特征能较好地满足实际应用的需要。根据图像量化的本质和特征提取的目的之间的相似性,提出了一种基于图像块量化的局部特征。通过采用不同的量化方式进行描述子构造,并使用多尺度的关键点检测器对描述子进行方向和尺度上的校正,得到了具有较好不变性的局部特征。结合鲁棒的仿射变换关系估计方法,使用该特征进行了图像配准实验,证明了基于量化的特征能满足一定的实际应用需要。针对场景分类识别应用,提出了一种基于中心对称局部三值模式的统计变换直方图特征。该特征通过将中心对称三值模式等思想引入统计变换,达到了降低直方图特征维数、提高特征提取及分类训练速度的目的。将该特征应用于15类场景和8类体育项目数据库的场景分类实验表明,该算法能在不降低特征描述性能的前提下,明显提高场景分类的速度,对研究快速目标识别具有积极意义。