图像匹配作为计算机视觉和模式识别中的一个基本问题,计算的是在不同传感器、不同视角或不同时间等情况下拍摄相同场景的图像之间的视觉相似性。图像匹配除了是图像分析和数字摄影测量中不可或缺的一步,对于诸如自动导航、机器视觉、医学图像分析和运动估计等应用也十分关键。当前图像匹配方法能够被划分为三类:基于图像变换域的方法、基于图像灰度的方法以及基于特征的方法。其中基于特征的匹配算法,因其通过直接匹配图像的特征(例如曲率点、合成描述符、拐点、相交线、边缘等)进行图像的匹配,大大提高了运算效率,而且对于图像的复杂变换,如几何失真、分辨率不同或角度不同等适应性非常好。因此,基于特征的图像匹配方法是文章研究的关键所在,主要工作如下:1、对图像匹配的研究和发展进行了一定的综述,通过对图像匹配算法分类的阐述和分析,说明了对基于点特征的图像匹配算法的优势。2、针对以前算法对图像模糊、噪声干扰和旋转等图像形变并不具备比较充分的鲁棒性的缺点,提出了一种基于尺度相互作用墨西哥帽小波提取特征点的检测算法,在尺度相互作用模型中,用墨西哥帽小波取代Gabor小波。通过实验验证,算法能从失真图像中提取出数量和相对位置都较为一致的特征点,证明算法对图像的旋转、模糊等都具有较强的鲁棒性。3、提出了一种尺度相互作用墨西哥帽小波和ORB(ORientedBrief)描述子相结合的图像匹配算法,该算法首先利用尺度相互作用墨西哥帽小波对图像进行特征点的提取,然后使用ORB算法对提取出的特征点进行特征描述生成描述子,最后用汉明距离和双向匹配对描述子进行匹配。通过与其他算法的对比发现,该算法不管是对图像形变还是噪声干扰等情况,都保持较强的鲁棒性;通过对算法运行效率的比较,也展示了本文算法较快的运算速度。