图像相似性度量通过对两幅图像的颜色、纹理、结构、语义等特征进行比较来评估图像的相似程度,在模式识别、图像检索及分类、图像质量评估等领域有着广泛应用。本文基于尺度不变特征变换(SIFT),对图像相似性度量、图像目标重定和三维模型检索进行了研究。SIFT是一种图像局部特征的描述形式,对于图像平移、缩放、旋转具有不变性,对于仿射变换、视角变化、光照变化及噪声等具有很强的匹配鲁棒性。针对尺寸不同图像间的相似性度量,研究采用了两种方式：一是两幅图像间匹配SIFT特征最小欧氏距离累加和的平均值,二是两幅图像间SIFT特征匹配对数目相对于原始图像SIFT特征数的比例值；针对含有大量SIFT特征的尺寸相同图像间的相似性度量,研究了利用k-means算法将特征聚类量化,并采用相对熵作为聚类量化后最终特征的相似性度量。基于SIFT特征的图像相似性度量,研究了一种结合接缝雕刻(Seam Carving)和标准缩放(Scaling)的图像目标重定算法。利用Seam Carving对原始图像进行尺寸调整,分别从原始图像及目标重定图像上提取SIFT特征,并采用图像间的相似性度量方法对两幅图像的SIFT特征进行匹配计算得到二者的相似性距离；在图像重要目标或内容将要被破坏之前,停止使用Seam Carving转而采用Scaling进行整体尺寸的调整操作。实验表明,本文算法不仅可以有效地避免图像内容的破坏与失真,而且可以很好地保护图像局部结构和全局视觉效果的完整性。研究了一种基于SIFT特征的三维模型检索算法。首先,对三维模型进行位置及尺寸标准化预处理,并从多个视角对预处理后的三维模型进行二维投影；在所有二维投影深度图上提取SIFT特征,分别利用Individual-k-means和Whole-k-mean创建特征码本,并将模型的所有SIFT特征与所创建码本中的码字进行比对,采用特征的最相近码字将该特征表示出来；然后,对已用码字表示的模型SIFT特征进行统计生成直方图并用向量表示出来作为三维模型的特征向量；对该特征向量采用相对熵进行相似性计算作为对两个三维模型的相似性评估,通过距离排序实现三维模型的相似检索。实验表明,本文算法对于包括刚性模型和有关节模型在内的多种模型均具有较好的检索性能。