中文摘要：

局部图像特征描述与匹配是计算机视觉研究中的一个基本问题，影响着许多相关应用算法的发展，例如物体识别、三维重建和图像检索。本项目针对传统的局部图像特征描述子设计方法上的不足，旨在通过机器学习方法，深入研究数据驱动型的局部图像特征描述子的自动设计方法，同时研究多种特征描述子的融合机制，提出新的特征描述与匹配方法。主要研究内容包括(1)从"特征描述=底层特征提取+底层特征融汇"的观点出发，分别研究基于机器学习的底层特征提取和底层特征融汇方法；(2)从数据降维和特征选择的观点出发，研究基于不变性度量的图像至向量的展开方式以及用于特征匹配的子空间学习和特征选择方法；(3)基于机器学习，分别研究特征层和决策层的多特征描述子融合机制。本项目的研究成果可望丰富特征描述、特征匹配、机器学习等相关领域的研究内容，为图像特征描述和匹配提供新的研究思路和方法。