针对景象匹配辅助导航系统的发展需求,综述了基于局部特征的景象匹配算法研究现状,分析了景象匹配辅助导航关键技术问题。为克服基于点特征匹配的弱点,研究了基于多尺度局部特征的景象匹配导航算法,为进一步提高算法的适应性及精确性,在分析SIFT算法步骤的基础上,研究了相关参数对匹配结果的影响规律,设计了景象匹配算法自适应导航方案及软件流程,并对算法性能进行对比验证。为解决景象匹配过程中存在的错误匹配问题,利用景象匹配结果构建了图像空间变换模型H,基于PRONSAC方法,设计了H模型高效求解算法,通过H模型变换进行景象匹配效果自评估研究并剔除错误匹配,提出了一种自调节/自评估的S~2SIFT算法,并通过实验验证了S~2SIFT算法的精度和可靠性。为提高景象匹配辅助导航的实时性,结合SURF算法展开加速鲁棒多尺度局部特征景象匹配研究,简要阐述了SURF基本原理,深入分析了SURF算法具备快速鲁棒性的主要技术特征,通过结合惯性器件误差特性,提出了SURF算法的加速鲁棒改进方法,提高了基于SURF的加速鲁棒景象匹配算法的实时性。为验证多尺度局部特征景象匹配算法对惯性导航的修正作用,设计了基于卡尔曼滤波器的组合导航方案,搭建了基于VC++6.0的组合导航软件仿真系统,通过对导航数据的分析,验证了基于多尺度局部特征的景象匹配算法对惯性导航的修正效果。基于多尺度局部特征的景象匹配算法性能优越,能较好地辅助惯性导航系统,提高系统的可靠性和精度,具有较强的工程应用价值。