医学和工业图像中目标物体常常存在对比度差和噪声干扰等问题,通过图像增强可以有效改善图像质量。在这些图像中存在大量局部特征,它们一般具有一定的方向和大小,且剖面的灰度呈对称分布等特征。基于尺度空间的二阶微分等算子是解决局部特征提取的有效途径,本文通过对两个应用实例的算法设计及实现,探讨了基于多尺度的图像局部特征提取方法在医学与工业领域的应用。本文回顾了尺度空间理论和局部特征提取方法的背景与发展现状,在详细地阐述了尺度空间的性质、尺度的选择与几种主要的特征结构提取方法的基础上提出了两个具体应用实例。文中的两个实例涉及到了医学图像与工业图像两个领域,分别为肺裂图像增强滤波和烟标数量检测算法:1)在肺裂图像增强滤波器设计中,假设肺裂的局部几何特征结构属于面形,在多尺度框架下通过对Hessian矩阵特征值的分析来判定每一个像素隶属某种局部几何结构的似然概率,将属于面形结构像素增强,同时将处在其他几何形状的像素抑制,最后对肺部CT图像感兴趣区域进行增强实验、取得较好结果。2)在烟标数量检测算法中,首先从线扫描CCD工业相机中获取层叠烟标侧面成像的一维信号,再将信号经过多尺度高斯微分算子滤波、波峰检测、自适应阈值等一些列处理之后统计有效波峰数量来得到烟标的数量,其中多尺度高斯微分算子滤波部分本文采用了高斯二阶算子和双高斯核算子两种方法并进行了对比,最后通过测量大量层叠烟标并校对试验,结果发现当烟标侧面不存在严重刮痕的时候没有出现误检的情况。