特征点匹配作为计算机视觉的主要研究内容之一，也是摄影测量的重要环节之一，因此，结合具体应用对新的特征点匹配方法的探求具有非常重要的意义。本文在研究特征点匹配原理和现有匹配方法的基础上，结合神经网络理论具有对已知样本学习和对未知样本泛化的优势，提出了基于BP神经网络的特征点匹配方法。该方法的核心思想是：以图像两两间匹配为基础，通过确定BP神经网络模型来模拟待匹配两幅图像特征点集间的空间映射关系，并再在一定的约束准则下完成特征点的匹配过程。但是仅利用传统BP神经网络算法和单一约束准则的匹配结果的正确性和稳定性并不是很理想。本文针对基于传统BP神经网络算法和单一约束准则的不足，结合遗传算法具有全局寻优的优点，进一步提出了遗传算法优化BP神经网络的改进匹配方法，并在原有约束准则的基础上增加了互应性约束准则。该方法保证了BP神经网络能得到全局最优的空间映射关系，且能有效地过滤误匹配点，进而提高了匹配结果的准确率和稳定性。本文将上述匹配方法应用于摄影测量系统中。多组实验表明：仅利用传统BP神经网络匹配方法的正确匹配率较低且匹配结果不稳定；遗传算法优化BP神经网络的改进匹配方法可以克服上述缺点，正确匹配率和算法稳定性都有所改善，基本上达到了预期目的。