图像匹配是指对不同拍摄环境或拍摄设备下获取的两幅或多幅图像，找到图像间的空间变换模型，建立图像间的映射关系，进而使得图像进行匹配和对准的过程。图像匹配技术在机器视觉及人工智能等领域的应用也越来越广泛，比如：军事制导、遥感地形、目标跟踪、文字识别、医疗诊断、三维重建等。基于特征提取的图像匹配技术的基本思路是在图像中提取能够包含图像有效信息的特征，然后对这些特征进行描述，且要求该过程对图像的视角变化、灰度变化、旋转变化、噪声及其它因素具有一定的鲁棒性，最后通过特定的相似性度量准则对特征描述子进行匹配。SIFT和SURF算法作为图像局部特征研究过程中具有开创性的工作，在各种图像变换下表现出了良好的性能。基于SIFT的各种改进算法也层出不穷，但是SIFT及其改进算法均具有较大的计算耗时，不能很好的应用于实时的智能视觉系统及低功耗设备，比如视觉测距、手机终端等。这从一定程度上推动了具有低计算量及低存储的特征描述方法的产生，近两年基于二进制位的特征描述子，比如BRIEF、ORB和BRISK就是在这样的应用背景下出现。本文总结了前人的研究成果，深入研究了各种特征提取及特征点描述算法，在此基础上本文提出了一种新的图像匹配算法，并实现了基于图像匹配技术的实时电子稳像算法。本文的主要贡献如下：1．由于FAST算子获取的角点分布密集，而且部分角点具有较强的边缘响应，这些现象的存在会影响后续匹配的精度和稳定性。本文在FAST算子的基础上提出了一种消除角点分布聚簇现象和去除不稳定边缘响应点的特征点提取算法。2．提出了一种基于二进制位的特征点描述算法。该算法对特征点进行局部描述时采用了一种全新的采样模式，而且使用了积分图进行加速。本文通过实验分析验证了该描述子对噪声影响、旋转变化、灰度变化等具有良好的性能，而且该描述子具有高效的计算速度和较低的存储要求，可以用于实时的应用。3．提出了一种基于图像匹配技术的实时的电子稳像算法。首先使用本文提出的图像匹配算法及RANSAC算法获得相邻两帧正确的匹配点对，进而求得全局运动矢量；然后对运动矢量进行Kalman滤波得到能保留了图像真实运动的修正矢量；接着使用修正矢量对原始图像序列进行双线性插值，输出平稳的图像序列。本文最后通过相关实验证明了该电子稳像算法的有效性及实时性。