Dans cet article, nous proposons une méthode pour la reconnaissance de formes dans les bases d'image s étendues . Trois contraintes doivent être prises en compte pour l'élaboration d'une telle approche, à savoir: la précision, la robustesse et le temps de calcul. L'approche proposée représente l'image par un ensemble de zones caractéristiques regroupées dans des conteneurs appelés vecteurs descripteurs. L'objectif est de calculer la similarité des éléments de ces descripteurs par rapport à ceux de la base d'apprentissage établie hors - ligne. Par ailleurs, le processus d'appariement doit respecter des contraintes matérielles tout en gérant la variabilité de l'environnement. Plusieurs approches basées sur le calcul de de scripteurs d'images existent dans la littérature, parmi les méthodes les plus répondues on trouve les moments de Hu [1] et les invariants de Zernike [2]. Dans ce contexte, cet article décrit notre approche qui repose sur l'extraction et le calcul d'une nouvelle variante des descripteurs de Fourier - Mellin [3], où le vecteur descripteur est compact et optimisé et dédié aux bases d'images étendues pouvant être portable sur différentes systèmes et architectures.