图像局部不变特征由于具有平移、旋转、尺度、光照及视点变换的不变性，已成为计算机视觉领域中的关键技术，在国内外都是研究热点。本文深入分析了尺度空间理论，研究了几个局部不变特征的经典算法，针对算法中存在的问题作了相应的改进并应用在图像匹配、配准和识别等领域，获得了较好的效果。首先，研究了尺度空间的发展历史及数学理论基础，分析了高斯尺度空间的性质，揭示了局部不变特征部分不变性的来源。通过分析尺度空间中一维信号的尺度检测机制，得到尺度选择的一般过程，并验证了使用尺度空间作为局部不变特征的数据表示方式的优势，明确了尺度空间中的尺度正规化的作用和意义，简单介绍了斑点检测的基础算子，为后续章节提供了理论基础。然后，研究了SIFT算法，针对SIFT检测算子过程复杂及特征描述符维度过高的问题，提出了基于相似性度量优化的SIFT快速匹配方法。在特征向量匹配过程中用棋盘距离和街区距离的线性组合代替欧式距离进行图像匹配，以减少相似性度量计算过程的时间复杂度。实验证明，采用新的相似性度量获得的特征点数和特征点对都没改变，但减少了匹配过程的时间开销，有效的提高了匹配的时间效率。接着，研究了SURF算法，针对算法在特征匹配过程采用BBF特征点搜索存在回溯时间长，精度受损的问题，提出采用随机K-D树算法进行搜索。然后采用RANSAC算法剔除误匹配点对，最后根据余下的匹配点对估计出两幅图像间的空间几何变换参数，完成配准。实验证明，该算法保证搜索精度的前提下，提高了搜索的速度，是一种快速鲁棒的图像配准方法。最后，研究了Gabor小波变换，利用其优良的空间局部性、空间频率及方向选择性等，捕获人脸图像在不同频率、不同方向的局部显著特征并应用在人脸识别中。针对Gabor变换特征维数过高引起的存储空间大识别过程耗时的问题，提出将分块的思想用在2DPCA中对Gabor特征降维，并保留了图像特征的二维信息。最后在ORL与JAFFE人脸图像测试数据库上验证，证明采用此种方法能取得较好的人脸识别结果。