随着计算机技术的不断发展，图像匹配在计算机视觉与模式识别领域起着举足轻重的作用，同时是很多图像分析与处理任务中的基本问题，所以研究图像匹配技术具有十分重要的意义和实用价值并且该技术广泛的应用于指纹识别、图像拼接、医学诊断以及工业中产品检测等领域。虽然目前对于可行的图像匹配技术有很多种，但在大体方向上一般分为两类：基于区域的图像匹配方法和基于特征的图像匹配方法，其中基于区域的图像匹配方法又可以细分为基于灰度的匹配方法和基于变换域的匹配方法。本文重点研究了基于特征的图像匹配方法中的三种典型的图像匹配算法：SIFT算法、PCA-SIFT算法和SURF算法；首先，对这三种典型算法的原理及算法步骤进行了详细的分析与研究，然后通过实验对比SIFT算法和SURF算法对于具有平移、旋转、缩放以及光照变换等性质不同的图像进行匹配并且分别从匹配精度与匹配效率这两个角度对算法进行分析。同时，针对SIFT算法的运算量相对较大，匹配效率低等缺点，本文提出了一种算法通过对改进匹配过程中的搜索策略来提高SIFT算法的匹配效率。图像匹配过程中搜索策略起着关键性作用，与传统的SIFT算法图像匹配过程中的经典的KD树搜索策略相比，本文所提出的通过对特征点集建立多种结构不同随机KD树并且进行并行搜索提高图像匹配的性能，经过实验表明，相对于标准的SIFT算法本文所提出的改进的基于SIFT算法图像匹配不仅提高了图像匹配效率，同时还保持有较高的图像匹配的准确性。