A widely analysis for extracting features of moving objects using digital image processing techniques are presented. The propose method is based on the series expansion of the discrete image function in terms of the orthogonal circular polynomials such as Zernike, Mellin-Fourier, Chebyshev-Fourier and other sets. This series expansion is supplied by a common mathematical tool, the generic function of orthogonal radial polynomials of Jacobi. This function provides a comparison of effectiveness of the polynomial families by means the variation of two parameters α and β which are used into its definition. A way to measure the performance of the polynomials studied here is by means the image reconstruction method. With this last technique the reconstructed image quality is evaluated respect to the original one, and at the same time the number of orthogonal moments required by the image reconstruction is determined. Typically, the moments employed in shape description and in moving analysis are divided into two categories: cartesian as the geometric moments and polar as the generic Jacobi moments. With this kind of polynomials, it can be generated a set of k invariant descriptors to rotation, scale, shifting, and intensity changes. Furthermore, it is implemented a discriminative measurement that is used to quantify the adaptation capacity of the polynomials to the difference between the shapes. The test images used in this thesis belong to objects with small intraclass variance and large interclass separation. With the help of optical-digital systems, different multidistortions are produced in the images during the acquisition and they are given by: 1) Geometric changes; as scale, shifting, and orientation in the vision field of objects, and 2) Blur by image motion; as linear, circular, and vibration in the cases of low and high frequency. In this work, a moving system is characterized by means the optical transfer function (OTF); which can be computed by the geometric moments of motion function of the object centroid. After the test images are acquired by the optical-digital system, their Jacobi-Fourier moments are computed and a vector of k features is generated for the reference and for the input objects. A selected features are determined by using the discriminative measurement. The results show that, with only one descriptor is possible to discriminate between different kinds of shapes.Se presenta un amplio análisis sobre la extracción de características en objetos que se encuentran en movimiento usando imágenes digitales. El método propuesto se basa en la expansión de la función imagen en términos de polinomios circulares ortonormales del tipo Zernike, Mellin-Fourier, Chebyshev-Fourier entre otros. Partiendo de una herramienta matemática común, como la función generadora de Jacobi de polinomios ortogonales, se compara la efectividad de los polinomios y su relación con otros conjuntos. Una técnica de cuantificación es la reconstrucción de imágenes, la cual evalúa la calidad de la imagen reconstruida y la cantidad de momentos ortogonales necesarios para reconstruir una imagen. Los momentos usados para la descripción de formas de una imagen y análisis de movimiento son de dos tipos: cartesiano como los geométricos y polar como gen éricos. Con este tipo de polinomios se genera un conjunto de k descriptores invariantes a la rotación, escala, traslación e intensidad. Además, se implementa una medida discriminatoria que cuantifica la adaptabilidad de los polinomios a la diferencia entre formas. Las imágenes de prueba son de objetos con mínima diferencia entre clases y alta diferencia intra clases Mediante sistemas óptico-digitales, se implementaron y analizaron dos tipos de distorsión durante la adquisición de imágenes: la geométrica y la de movimiento tipo lineal uniforme, circular y vibratorio de alta y baja frecuencia. El sistema de movimiento usado fue caracterizado a través del cálculo de su Función de Transferencia Óptica (OTF), la cual se calcula a través de las funciones de movimiento. Por lo que, con los coeficientes o momentos obtenidos de la función procesada se genera un vector de k descriptores para los objetos de referencia y objetos de prueba, basado en el mapa propuesto de la medida discriminatoria. Los resultados muestran que con un solo descriptor es posible discriminar entre diferentes tipos de formas. Diagramas de dispersión son construidos con los dos mejores descriptores. Finalmente, las gráficas de clasificación muestran que los mayores porcentajes de clasificación se obtienen con los momentos de Jacobi- Fourier J(α, β, r), para los casos en que α = β = 4, .., 10 y Zernike.