随着计算机和信息技术的快速发展，图像匹配技术已经成为计算机视觉领域中一项极为重要的技术，在图像检索、遥感图像处理、目标识别与跟踪、三维重构等领域有着广泛而实际的应用。基于特征的图像匹配方法由于其计算量小，鲁棒性好，对图像形变不敏感等优点，成为当前研究的热点。由于图像匹配所涉及的图像之间可能存在着灰度、旋转、视角、尺度等多种变化，以及其他因素的影响，导致图像匹配问题有着较高复杂性，这使得图像匹配问题的解决仍是一项持久且艰巨的任务。
　　图模型能够有效地表示结构信息，利用图模型方法来解决图像特征匹配问题在很多研究中已经有所应用。论文对不同情形下的特征匹配问题采用不同的近邻图模型表示方法进行了研究，主要研究内容如下：
　　(1)针对传统图变换匹配(GTM)算法所得正确匹配关系较少这一点，给出了一种迭代的图变换匹配算法(IGTM)。首先，使用GTM算法从初始的匹配关系中获得一些较精确的匹配关系子集。然后，利用初始匹配点对与GTM获得的正确匹配点对之间的几何关系对初始匹配关系进行修正。最后，对修正后的匹配关系再次使用GTM算法进行寻优，从而获得更多的精确匹配关系，增强传统GTM算法的鲁棒性。在真实图像库上的对比实验表明，IGTM算法在匹配性能上要优于传统的GTM算法且提高了特征点匹配的查全率。
　　(2)节点重要性度量是复杂网络中一种重要的技术，论文将该技术应用于特征点匹配，给出了一种基于近邻图节点重要性的图像匹配算法，为特征点匹配算法研究提供了新的途径。该算法首先用近邻图模型来表示图像匹配关系，即图中的顶点代表匹配关系，根据匹配关系之间的相似性程度确定其对应的顶点之间是否有边。由于正确匹配之间相似性较高，在近邻图中有较多的边与之相连，而错误匹配有较少的边与之连接，因而正确匹配在近邻图中所占据的地位是不同于错误匹配的。然后通过度量图中顶点的重要性来实现图像特征点匹配问题。在此基础上，给出了两种近邻图表示模型及相应的节点重要性度量方法。一种是k近邻图表示模型，利用顶点之间的空间结构信息来计算重要性度量指标；另一种是互k近邻图表示模型，利用顶点的加权度信息来度量图中顶点重要性。在真实图像上的实验结果表明，所提算法较传统的特征点匹配算法 具有一定的优越性。
　　(3)传统的图像特征匹配只是寻找特征之间的对应关系，而没有更深一步语义信息上的挖掘。对于该问题，提出一种基于互k近邻图团检测方法的共同视觉模式发现算法。该算法不仅能获得特征之间的正确匹配，还能指示出哪些匹配关系属于同一个模式，即标识出两幅图像中共存的目标。在互k近邻图中，同一模式内的匹配关系易于形成一个紧密连接的团，而不同模式之间有较少的边相连，于是可通过团检测技术实现模式发现。真实图像库上的对比实验结果表明该算法具有较好的模式发现性能。