图像匹配，按照其匹配对象的不同，大致可以归纳为图像像素匹配和图像集合匹配。根据不同的时间段、不同地点、不同的环境，得到的图像在方位，视角，大小，强度等方面也都会存在不同。通过一定的方法手段对这些存在误差的图像进行匹配，校正由于外在因素（如噪音）造成的误差，这是图像匹配的主要研究内容。　　在计算机视觉处理和图像处理领域中，图像匹配是一个非常重要的环节，因为匹配效果的好坏将直接影响到其后图像的处理工作的展开。它是多种图像处理及应用的基础，现今其主要研究内容是如何将不同条件下得到的两幅或者多幅图像进行匹配。　　本文主要针对传统的基于特征的SIFT图像匹配方法进行了深入细致的研究，结合复数阶微分理论，提出了一种基于复数阶微分的SIFT图像配准方法。该方法首先利用复数阶微分算法加强数字图像的纹理特征,然后再用SIFT算法提取图像的特征点，最后用RANSAC算法在得到的特征点中消除错误的匹配，得到正确的匹配点个数,从而对图像进行配准。　　实验表明:和传统SIFT算法相比，改进后的基于复数阶微分的SIFT图像匹配算法对图像特征有明显的增强效果，可以得到更多的关键点和匹配点个数，同时也极大的提高了匹配的正确率。