تشخیص و باز شناسی اشیاء و اشکال نقشی اساسی در پردازش تصویر دارند. تا کنون روش های گوناگونی برای این منظور ارائه گردیده است. ویژگی های نامتغیر مقیاسی یکی از پرکاربردترین تکنیک ها در حوزه پردازش تصویر می باشد که می تواند در بسیاری از اهداف این حوزه از جمله تشخیص شیء و شکل مربوط به آن ها مورد استفاده قرار گیرد. در این پایان نامه، روشی جدید برای تشخیص اشیاء و اشکال ارائه گردیده است. این روش، الگوریتمی بهبود یافته از ویژگی های نامتغیر مقیاسی و ترکیب آن ها با الگوریتم قطعه بندی تصاویر بر اساس مرز و نواحی اشکال در تصویر می باشد. روش ارئه شده بر پایه سه مرحله اصلی می باشد. در مرحله اول، تصاویری از مجموعه داده مورد نظر به گونه ای آموزش داده می شوند که ویژگی های نامتغیر مقیاسی آن ها تحت عنوان نقاط کلیدی، از تصاویر استخراج شوند. این ویژگی ها نسبت به تغییرات مقیاس، چرخش، جایجایی، روشنایی و نقطه نظر دوربین نامتغیر می باشند. با یافتن این ویژگی ها، نقاط کلیدی اشیا در تصاویر مختلف قابل شناسایی خواهند بود. در مرحله دوم با اعمال ویژگی های به دست آمده از مرحله قبل در الگوریتم قطعه بندی تصویر ، مرز مربوط به شیء استخراج می گردد. این هدف با استفاده از نقاط کلیدی و ادغام نواحی موجود در تصویر به دست می آید. در پایان این مرحله، مرز شیء که به صورت یک منحنی و نشان دهنده شکل آن می باشد، به دست آمده است. در مرحله آخر شکل اشیاء مورد نظر با شکستن منحنی مرز اشکال به زیر منحنی های کوچکتر به صورت درختی و تحت عنوان درخت شکل ذخیره می گردند. به وسیله درخت شکل به دست آمده از اشکال مختلف و بر پایه معیار شباهت بین آن ها می توان به راحتی اشکال مشابه را در تصاویر مختلف را تشخیص داد. نتایج به دست آمده نشان دهنده قدرت بالای الگوریتم به منظور تشخیص اشیاء و شکل آن ها می باشد. بخش عمده ای از این کارآیی مدیون نقاط کلیدی بسیار قوی به دست آمده از تصاویر است که نسبت به پارامترهای مختلف نامتغیر می باشند.