机器视觉是计算机感知世界的重要手段之一。伴随着图像处理技术的不断发展,人类获取和处理图像数据的能力和范围不断提高。随着大数据、人工智能和“互联网+”时代的到来,如何有效地处理和使用海量的图像数据,更好地为人类社会发展服务是目前图像处理研究领域面临的挑战和机遇。图像特征匹配是多种图像处理技术的基础,其中点特征有数量大、时效性好、结构稳定等特点,得到了广泛的研究和应用。图像特征点匹配技术研究重点包括特征点检测、特征点描述、特征点匹配以及错配点的去除等。本文的主要工作集中在特征点描述和特征点误匹配去除两方面。本文的工作重点之一是将不变矩理论引入到图像特征点的描述中,以获得具有仿射不变特性的特征描述子;工作重点之二是为了进一步提高特征点匹配的准确率,本文将精确形状特征及置信传播概率推理网络引入到去除图像特征点误匹配中。具体工作如下:（1）将Zernike矩引入到图像仿射不变特征描述中。Zernike矩本身具有旋转不变性,通过质心平移可以获得平移不变性,但不具有仿射不变特性,为了获取具有仿射不变特性的特征描述子,本文使用主成份分析法将最稳定极值区域（Maximaly Stable Extremal Regions,MSER）算法获得的椭圆邻域归一化为面积相等的正圆,将正圆范围内获得的Zernike矩作为特征点的特征描述子。实验证明,与以往的Zernike矩特征描述子相比较,本文方法获得了具有仿射不变特性的特征描述子。本文采用伪Zernike矩快速算法来生成特征描述子,在研究过程中发现伪Zernike矩快速算法在第三、四象限的计算公式不正确,本文通过理论推理及仿真实验的方式修正了原始伪Zernike矩快速算法在第三、四象限的计算公式,并通过仿真实验的方法确定了Zernike矩仿射不变特征描述子的合理长度。（2）将多尺度自卷积矩（Multi-Scale Auto convolution,MSA）引入到图像仿射不变特征描述中。MSA矩理论上具有完全的仿射不变特性,将MSA矩引入到图像特征描述中,理论上可以获得完全的仿射不变特征描述子。MSA矩计算方法的证明过程抽象复杂,并且在实验过程中发现原始MSA矩的计算方法中,线性变换图像的傅立叶变换图像值计算方法有误,为此,本文首先利用几何方法直观地对MSA矩的计算方法进行了证明,简化了MSA矩计算方法的证明过程,其次,通过理论证明及仿真实验给出了计算MSA矩的正确方法。之后将MSA矩与MSER算法相结合,充分利用MSA矩的仿射不变特性,将MSA矩引入到图像仿射不变特征描述中,获得了真正意义的仿射不变特征描述子。（3）将快速仿射不变矩引入到图像仿射不变特征描述中。首先,快速仿射不变矩特征理论上具有完全的仿射不变特性,但是在计算过程中如果在原始图像上进行积分运算,则会因为定义域不具有仿射不变性而降低其仿射不变特性,为此本文提出了扩展轮廓的概念,并通过理论及仿真实验证明了扩展轮廓的仿射不变特性,将扩展轮廓作为快速仿射不变矩特征的定义域后,快速仿射不变矩特征的分类识别能力得到了很大程度的提高,同时本文提出的扩展轮廓的概念可以拓宽仿射不变特征提取方法的思路;其次,本文通过仿真实验修正了快速仿射不变矩特征的参数取值区间及组合函数的个数及幂次设置;最后,本文将基于扩展轮廓的快速仿射不变矩特征与MSER算法相结合,将快速仿射不变矩特征引入到图像仿射不变特征描述中,获得了更加快速高效的仿射不变特征描述子。（4）将特征点精确形状特征以及置信传播概率推理网络引入到特征点误匹配的去除中,提出了两种特征点误匹配去除算法。首先,本文利用特征点的位置信息、尺度信息、方向信息以及邻接信息给出特征点的精确形状特征,通过特征点的精确形状特征去除特征点误匹配;其次,根据特征点匹配的特点,将置信传播概率推理网络引入到特征点误匹配去除中,简化了置信传播概率推理网络的网络结构,并将特征点的位置信息、尺度信息、方向信息以及邻接信息融入到置信传播概率推理网络的证据函数及相容函数的设计中,通过置信传播概率推理网络去除特征点的误匹配。仿真实验表明本文提出的两种特征点误匹配去除算法都可以以较高的召回率和准确率去除特征点的误匹配。（5）结合论文研究内容,开发了仿射图像配准系统,该系统囊括了本文提出的所有仿射不变特征描述算法,同时为了便于比较,将SIFT算法也包括到系统中。系统界面简单友好,可扩展性强,可以作为后续研究的参考或开发基础。