近年来,随着计算机技术的不断进步,用计算机来模拟人类的视感知任务已经成为可能,但是其中还存在众多的技术难点,其中之一就是如何准确识别处于不同视觉环境中(如视角变化,尺度变化,光照变化,目标遮挡等)的同一个物体。目标识别的基础是描述该目标的特征信息,因此如何从图像中提取不变性特征成为重中之重。图像局部特征以其良好的局部性、稳定性、不变性而逐渐成为了图像特征提取领域的主流方向。本文主要研究如何从同一个场景的不同图像中提取出稳定存在的区域特征,以最稳极值区域MSER为基础,分别从尺度空间理论、图像颜色信息和图像边缘信息三个方面来研究如何进一步提高区域特征的性能。首先,利用图像的尺度信息来提高区域特征的性能,通过在高斯尺度空间上对图像进行最稳极值区域检测,并引入自动尺度选择机制,为区域特征定义一个新的尺度选择函数,通过搜索该尺度选择函数的局部极大值来获得区域特征的最佳尺度,从而对重复的区域特征进行筛选。其次,将图像的颜色信息融入到MSER中,分别介绍了多颜色通道MSER和基于聚类合并的MSCR算法,讨论了如何处理多颜色通道MSER所获得的重复区域特征,提出了一种新的重复区域筛选方法。同时,定性地分析了颜色空间和相似性度量方式对MSCR算法的性能影响。最后,利用图像的边缘信息来增强区域特征的模糊不变性,通过mPb边缘检测子为图像中每个像素分配一个表征其成为边缘的概率值,从而得到比较稳定的边缘信息,并利用该边缘信息对颜色空间中相邻像素之间的距离进行加权处理,以增强目标区域的边缘,减小模糊变换对区域特征不变性的影响。