对称性在自然界和人类世界中是普遍存在的,对称性检测问题是计算机视觉领域内的一个热点问题。本文的研究主要专注于旋转对称性检测。不同于经典旋转对称性所包含的有限旋转对称性检测问题,本文创造性的提出了无限旋转对称性即螺旋对称性检测问题。这一新问题在自然界和人类世界中同样比比皆是,但针对单张未分割真实世界图像螺旋对称性结构检测问题的研究在计算机视觉领域却是一项空白。针对螺旋对称性检测这一崭新而又极富挑战性的问题,本文提出了一套基于匹配三元组特征提取和Hough空间投票策略的螺旋对称性结构检测方法。该方法不仅能够对螺旋对称性结构中心进行准确检测,而且可以准确判断螺旋对称性结构的螺旋生长方向,估计其螺旋生长率,确定螺旋对称性结构显著初始极径族,进而实现螺旋对称性结构的重建。本文的创新性主要体现在四个方面。第一,将旋转对称性检测的概念从经典旋转对称性检测扩展至螺旋对称性检测,使得旋转对称性检测问题更具一般性和兼容性。针对含螺旋对称性结构图像的内容特点,提出了专门适用于螺旋对称性检测的匹配三元组特征提取方法。第二,提出了基于匹配三元组等角性和加权高斯模糊Hough空间投票策略的螺旋对称中心检测和定位方法。第三,针对所检测到的螺旋对称中心,提出了一套螺旋对称性结构检测和重建方法。包括基于匹配三元组共圈性和重要性权值累计决策的螺旋对称生长方向确定方法,基于高斯模糊Hough空间投票策略的螺旋生长率估计算法和基于全局径向重构误差最小化算法的螺旋对称性结构显著初始极径族估计方法。第四,将螺旋对称性结构检测方法应用到了气象分析领域,首次实现了基于单幅图像螺旋对称性检测和重建的台风中心检测定位及台风区域判别。