随着科学技术的不断发展,图像作为一种新的数据信息已经被广泛应用于各个领域。越来越多的图像需要被处理。图像匹配指的是将不同情况下获取的不同图像中的相同内容匹配起来。由于获取的图像可能受到如噪声、气候的干扰,因此,图像匹配技术成为人们研究的一个难点问题。目前,这种技术能够较好地处理计算机识别和理解等工作。单一的传感器获取的图像不能最大程度地提供充足的信息,将综合多种传感器获得的信息结合起来是解决这个问题的有效途径,将相同部分内容匹配过程则是必不可少的中间环节。然而,不同传感器的成像原理不同,获取图像的时间,气候、角度也不尽相同,这些都给图像匹配带来了困扰。基于特征的图像匹配是一种很好的图像匹配方法,这种方法提取部分图像显著特征,从而大大压缩了匹配过程中的信息量,同时特征的显著性又可以抗拒图像的其他干扰条件,特别是可以抗拒灰度的变化。实现图像中的特征匹配则是基于特征的图像匹配方法得以成功的关键步骤。特征匹配即实现特征间的对应关系。一旦匹配达到足够的精度,将会有助于拟合图像匹配的变换模型,实现图像匹配。本文采用基于图像特征点的匹配方法,提出一种新的特征点描述方法和两种不变特征的匹配方法。本文提出的特征点的描述方法是一种旋转不变和亮度不变的描述方法。算法首先提取特征点所在邻域的harris角点图;然后在这个角点图上求出各角点的LBP向量,转变成十进制数;最后将各角点十进制数组成一个一维向量,这个向量就作为该特征点的描述子。新的特征匹配方法都是利用融合的思想,将传统的SIFT描述子和其他具有显著特征的描述子相结合,并给出适当的相似度测量方法最终实现点匹配的过程。实验表明,这两种新的特征匹配方法相比于传统的SIFT方法,具有很好的匹配效果。特别地,在图像发生较大视角变化时,这两种方法表现出明显的优势。