序列图像匹配的基本任务是利用图像之间的某种特性将同一景物的两幅图像互相联系起来。人类识别和匹配物体使用的主要特征是物体的棱线及轮廓，而在实际的生活当中，直线常是物体的主要特征，如建筑、跑道、物体轮廓。因此，序列图像匹配中常利用直线特征作为重要的分析基元。本文主要研究序列图像中的直线特征提取与匹配方法。本文主要研究的内容包括：1)利用传感器获取序列图像时，由于传感器本身或者外界噪声的干扰会降低图像的质量，因此有必要对图像进行滤波，得到质量更佳的图像。文中主要探讨了图像滤波的方法，得出适合本课题的方法。文中还介绍和比较了几种经典的边缘检测算子，通过理论及实验分析得出适合本文的边缘检测方法。2) Hough变换是直线提取方法中经典方法之一，本文主要针对Hough变换检测直线的方法进行了讨论分析，重点研究了一种随机Hough变换提取直线的方法。针对随机Hough变换（RHT）存在无效采样和无效累积等问题，提出了一种距离约束的随机Hough变换：在随机Hough变换选择点对时先判断这两点是否满足某一距离条件得到参数空间，从而在参数空间中判断直线的存在性。该算法减少了随机Hough变换的计算量和内存存储量，提高了特征直线提取的速度。3)在直线匹配方面，主要探讨了直线的表示方法和描述准则。并对基于直线本身属性的直线匹配方法进行了深入研究。针对仅利用直线本身几何属性难以准确匹配直线的问题，提出了一种利用直线本身几何属性和中点描述符的直线匹配方法：首先用直线段的梯度方向、梯度大小、长度和中点位置进行粗匹配；然后提取直线段中点的局部梯度信息，并形成中点描述符用于对直线段进行精确匹配。最后用人工图像和真实图像进行了实验。实验结果表明本文提出的算法具有良好的匹配性能。