特征匹配是计算机视觉和模式识别中的一个基本问题,是三维重建,图像配准,图像检索,目标识别与分类等很多具体应用中必不可少的重要环节。作为特征匹配中的一类代表性方法,基于谱图理论的匹配方法的基本思想是将特征匹配问题转化图匹配问题,其中特征之间的关系采用矩阵形式来描述,通过分析这些矩阵的谱特性,从而达到特征匹配的目的。基于谱图理论的匹配方法,为复杂变形情况下的特征匹配问题提供了一种较好的解决途径,而且计算简单,有效地克服了图匹配中的组合爆炸问题。本文围绕基于谱图理论的特征匹配方法做了一些相关研究,主要研究内容和研究成果如下：1.对基于谱图理论的特征匹配算法进行了较为系统的探索,在总结以往文献中典型算法的基础上,以数学理论为依据,对典型算法中所用谱方法的原理和本质进行了研究。2.在对文献中两种经典算法分析的基础上,给出了一种新邻接谱图像特征点匹配算法。该方法构造的亲和矩阵不仅考虑了同一幅图像内和不同图像之间特征的几何相似性,另外还加入了特征之间的纹理相似性权重因子。实验结果表明,该方法在图像发生旋转、平移、缩放变换和扭曲的情况下要优于文献中的方法。3.给出了一种边缘相似性加权方法。基本思想是,对辨别能力较强的边缘给予更大的权重系数,而对重复比较多,辨别能力较弱的边缘降低权重系数,这样,亲和矩阵的谱特性能更可靠地反应特征之间的匹配关系。实验结果表明,这种加权方法能有效改善谱匹配方法的性能。