图像匹配是三维重建的关键步骤，虽然三维重建匹配的相关算法在不断改进与优化，但其匹配性能和匹配效率难以同时满足要求。 因此，三维重建匹配方法的研究一直是计算机视觉研究的热点之一，特别是基于特征的匹配方法具有重要的现实意义。　　基于特征匹配方法的一个难点在于特征提取方法。 在三维重建中，无论是用于简单图像还是复杂图像特征提取，如何找到一种优秀的特征提取方法来提取特殊的图像特征是解决图像匹配的迫切需要。一方面，本文首先针对简单图像的特征提取，比较了Harris、Forstner和FAST算子，通过对各方法进行详细的分析和实验测试，给出它们在特征提取方面的性能，实验结果表明了Harris在提取性能和效率方面都有着不错的表现。　　另一方面，针对复杂图像的特征提取，由于 SIFT 算法法计算复杂度大，匹配性能较低的问题，本文提出了一种细分子区域来扩展关键点描述子维数的改进方法，提高匹配的性能，然后通过PCA降低关键点向量维度，提高匹配的效率，本文称这种方法为 MYSIFT 方法。实验结果表明，MYSIFT 方法比 SIFT 算法更能够克服图像的尺度变换、旋转变换以及光照变换时对图像匹配所产生的影响，同时它可以降低存储空间与匹配时间，为复杂图像的三维重建的实际应用提供了新的方法。