最小二乘匹配方法是建立在粗匹配基础之上的一种高精度匹配方法，它通过迭代校正待匹配点邻域内点之间的灰度和几何变形而实现，也是使测量或者三维重建能够达到高精度的必要手段。就单个点的匹配来讲，传统最小二乘匹配方法都常常需要迭代很多步，算法的收敛速度较慢。随着计算机硬件水平的提升，并行运算可以提高它的速度。而本文从软件角度，将传统最小二乘匹配方法与非线性迭代优化的LM最速下降方法相结合，提出了一种LM加速最小二乘匹配方法(ALSM)。正规方程被引入了增量系数的增量正规方程替代。如果通过解增量正规方程得到的误差减少，那么增量被接受并在下一次迭代之前减少增量系数。反之，如果误差增加，提高增量系数并重解正规方程。理论上本文方法能够使待迭代优化的匹配参数快速收敛，从而大大缩短了匹配的耗时。实验也验证了该方法的正确性，以及与传统最小二乘匹配方法具有同等匹配精度，且能够大大提高匹配速度，因此是一种行之有效的高精度匹配方法。