随着人们获取图像的途径的丰富和所获图像的种类的繁多,数字图像处理里一些基础性的研究方向变得更加至关重要。图像匹配就是数字图像处理和模式识别领域里最基础、最困难的内容之一。图像匹配技术已有多年的全面发展历史,对它的研究己取得了巨大的进展,其应用也己全面展开。但由于图像匹配的输入数据来源的多样性,以及不同的应用对图像匹配的要求各不相同,同时由于影响图像匹配的因素的多样性,导致图像匹配问题的复杂性,图像匹配的技术还有待于进一步的发展。研究图像匹配的方式及其相关的技术是目前国内外热点之一。本文主要针对基于特征的图像匹配关键技术进行了研究,本文的主要做了如下工作:1.对图像匹配基本理论进行了概括性的探讨,对图像匹配的关键要素、匹配性能进行了简要说明。通过对基于灰度相关的匹配、基于特征的匹配、基于变换域的匹配和基于模板的匹配特点的初步分析,找出基于特征图像匹配的技术优势,并作为本文研究领域。2.对图像特征的特征点提取中,主要研究了Harris特征点提取法和SIFT特征点提取法。通过实验发现Harris特征点提取法的会导致纹理信息较多的地方角点分布过密,使得特征点分布很不均匀,还可能漏掉一些实际的角点,运算速度相对要慢一点。故本文采用SIFT算法提出特征点。3.对SIFT算法进行改进,通过在图像与高斯和卷积之前不对图像放大一倍处理的方法,进一步提高了SIFT算法的特征点的提取速度。4.本文利用最近邻NN算法对特征点进行匹配操作,并针对k-d树搜索算法在对高维度空间的执行效率明显下降的缺点,进行了改进,实验证明提高了搜索效率和匹配效果。