随着科学技术的进步和发展，当今社会生活中的信息量越来越大，数字图像承载了视觉系统的很多信息。在这个计算机具有不可代替作用的时代中，利用计算机对数字图像进行识别和自动匹配检索，从而完成计算机视觉，已经成为研究者的研究重点。在对数字图像进行匹配时，一般通过将图像的特征以数量或者符号（描述子）表述出来，从而通过一定的相似性度量规则，完成图像的自动匹配和检索。本文主要在图像的描述和匹配方法中，对形状的轮廓特征进行研究，主要研究内容包括以下几个方面：第一，概述了形状匹配过程的一些基本性质和形状匹配过程中每一个步骤的常用算法。第二，在常用的Freeman链码基础上，研究了对链码的改进，通过利用对链码的统计特征和形状的分块熵特征，提出了融合最小和统计链码与分块熵矩阵奇异值的形状描述方法，该方法充分利用了链码和熵矩阵奇异值的优点，既能够具有较好的几何不变性，又充分描述了形状的空间分布特征，将该描述算法应用于MPEG-7形状库中，实验效果较好。第三，利用将形状轮廓看做一系列点的集合，通过研究形状上下文描述子，充分利用了轮廓点之间的空间位置关系，将形状的轮廓点匹配。并针对形状上下文（Shape Context）描述子固定地选择特征点个数，具有耗时的缺点，提出了一个动态选择特征点的新形状上下文描述算法，从而对于比较简单的图像可以选择较少的特征点，这样可以减少计算时间，增加时间效率。最后通过对MPEG-7形状库的检索过程证明，本算法的检索效果良好。链码和形状上下文描述子是基于轮廓的形状描述非常典型的方法，它们在图像检索系统中都具有很实际的意义。