基于SIFT的目标识别技术是模式识别的一个应用方面,具有重要的理论与实际价值。这方面的研究虽然已经取得了重大进展,但仍然面临着诸多挑战。以往基于图像特征的目标识别技术在特定领域内取得了很好的效果,而SIFT特征提取算法的出现给目标识别研究带来了一种新的思路和方法。本文主要从理论上讨论了SIFT及图像信号检测的一些改进方法,并结合实际做了一些应用研究。为了提升SIFT特征的检测效果,人们提出了很多改进方案。传统SIFT没有考虑仿射变换,不能应对大角度的变形。已有的一些仿射特征检测子都是基于一种不动点理论的迭代方法。这些方法运行速度慢,检测效果不稳定,并且丢失了大量的候选特征。另外,这些方法与SIFT差别过大,无法互相与SIFT兼容。为了解决给SIFT添加仿射特征检测的能力,本文提出两种解决办法。第一种是利用椭圆高斯金字塔改进SIFT的算法,并通过构造一个目标识别系统详细讨论了实现方案及应用范围。这种方法力图通过改造卷积核使得SIFT可以检测不同形状的特征,它本质上与Hessian-Affine和Harris-Affine方法一样,都是通过变换卷积核来求取形状参数。这种方法为SIFT添加了一定的仿射特征检测能力。本文提出的第二种方法没有改变卷积核,它利用了反向推理的办法来估计输入信号的未知参数值。这种方法在训练阶段按照一定的参数范围合成理想信号并进行检测,随后记录其输出参数。在测试阶段根据测量到的输出参数反推其输入参数。虽然本方法获得的是近似值,但初步结果显示其效果相当理想。这种方法在特征点的质量和计算速度方面都超过了Harris-Affine, Hessian-Affine等传统方法。这种方法不仅可以用于改造SIFT特征检测算法,对于其它基于尺度空间的方法也同样适用。由于具有计算量小、检测准确、与SIFT结合紧密等特点,本方法具有广阔的应用前景。本文主要由以下几部分构成：1.描述了一般的基于图像的目标识别系统的组成部分、各部分之间的相互关系,以及数据的处理过程。另外,也介绍了其应用和研究的方向。2.介绍了与SIFT算法相关的理论研究成果,各种改进方案的依据。其中重点介绍了尺度空间特征检测和图像线性变换。并且介绍了一类尺度空间特征检测算子。3.结合相关学科描述了经典的SIFT算法,其实现细节。重点介绍了特征检测和特征描述部分。4.基于椭圆高斯金字塔提出一种改进的SIFT:算法。通过分析SIFT的不足,提出通过修改卷积核来改进SIFT算法。分析这种方案的利弊、实现方案以及应用前景。5.基于反向推理的方法,提出一种新的估计SIFT特征仿射参数的方法。首先介绍了按照一定范围随机产生参数并降低查找运算量的方法,随后讨论了利用表格减少搜索次数并提高检测精度的方案。通过以上措施,可以用很小的计算量获得接近于最优的特征形状参数值。最后,利用合成信号对几种常见仿射特征检测子的检测结果进行了比较,并总结了本方法所具有的优势及有待改进的地方。