图像匹配是计算机视觉和图像处理领域中一项非常重要的技术。本文对图像匹配方法进行了深入研究，主要研究内容为：图像匹配预处理、图像特征提取与匹配的基本理论和关键技术。为了提高系统的搜索精度，消除或减少各种误差因素对匹配性能带来的影响，在图像匹配前，必须对图像进行适当的预处理。本文从图像平滑和图像增强两方面对图像预处理进行了研究，并提出一种适合SIFT(Scale Invariant FeatureTransform)特征点提取的图像匹配预处理方法。文中详细分析了各种图像匹配算子，对Moravec、Harris、SUSAN、SIFT四种经典算子进行了实验对比分析，得出SIFT算子具有亮度、旋转、尺度缩放、仿射变换不变性，并且对噪声有良好的鲁棒性。因此本文选择SIFT算子进行特征提取。但是SIFT算子存在匹配点数量少、匹配精度差、匹配准确率低、容易产生重复匹配点、运算量大、实时性差等问题。最后，本文基于以上分析对SIFT算法进行了优化改进，并基于KD-tree和准欧式距离提出了一种基于SIFT算法的图像匹配方法。实验表明，本文算法在保持SIFT算法基本特性不变的基础上，具有匹配点数量多、匹配准确率高、无重复点、匹配效率高等优点，为图像精确拼接等相关领域后续产品的生成提供了精确的匹配点。同时，本文将该方法应用到版图优化方面，取得良好效果。