在模式识别和计算机视觉领域,一个重要的问题是如何对目标进行描述和表达。自Hu于1962年提出矩不变量理论以来,矩函数和矩不变量作为一种有效的图像描述子,在模式识别和图像分析领域得到了广泛的应用。　　 目前,对矩的研究主要分为两个方面:一方面围绕矩的理论本身,专注于各种新的矩的提出、矩的快速算法、以及各种矩不变量的构造；另一方面则尝试将矩及不变量以各种方式应用于其它领域。　　 本文首先研究了Zemike矩,提出一种构造其完备的RST不变量集的新方法。根据图像的Zeroike矩与径向矩之间的关系,以径向矩为中间桥梁,建立原图像的Zemike矩和旋转缩放变换后图像的Zemike矩之间的关系,然后由原图像的同阶和低阶Zemike矩线性组合即可得到完备的Zernike矩旋转和缩放不变量集。类似地,可以构造完备的Zernike矩平移不变量。并将两者结合最终得到Zernike矩的RST变换不变量完备集。图像分类实验结果表明,与现有的一些方法相比,本文所提出的方法不管在分类正确率还是在运算时间方面的效果均更优,具有较强的噪声鲁棒性。　　 接下来本文将构造矩不变量的图像标准化方法用于运动估计中,首先,利用标准灰度图像进行实验,计算发生仿射变换的两幅图像之间的变换参数,得到了很好的效果；然后,将此方法用于标准视频序列的全局运动估计。实验表明,对于前景所占比例较小的视频序列,本文的方法可以快速而准确的估计其全局运动参数。