点模式匹配的目的是从两个相关点集中找出对应的匹配点,其研究成果可以广泛地应用于计算机视觉、计算生物和化学等众多领域。由于待匹配点集间常常存在着较大的差异,增加了点模式匹配问题的难度,目前仍然是一个没有得到完全解决的问题。本文以谱方法作为工具来研究该匹配问题,主要步骤是对待匹配点集构造亲近矩阵；接着,对其进行奇异值分解,以得到对应的特征值和特征向量,即‘谱’；最后,利用该‘谱’进行点模式匹配。本文在谱方法的基础上,提出了两种匹配算法,主要工作及研究成果如下：1、提出了一种结合Laplace谱和匈牙利法的点模式匹配算法。该算法从Laplace谱的角度出发,分别对两幅待匹配图像的特征点集构造Laplace(?)巨阵,并对其进行奇异值分解；然后依据分解后的结果,构造一个初始的匹配关系矩阵,再结合匈牙利算法变换该关系矩阵,使得两个特征点集之间匹配代价最小；最后得到一个新的匹配关系矩阵,实现特征点匹配。实验结果表明,该算法可以得到较好的匹配结果。2、提出了一种结合几何相容性分析的谱匹配算法。针对传统的谱匹配算法仅考虑了特征点的属性域的问题,该算法综合考虑了特征点的属性域与结构信息。首先利用Laplace(?)巨阵的特征向量获得待匹配点集的谱相似性定义；然后,结合以邻近关系表示的几何相容性,定义了一种混合形式的匹配目标函数；最后,利用概率松弛的进行求解。在仿真数据和真实图像上进行对比实验,结果表明所给出的方法具有较好的精度与时间性能。