图像匹配算法是计算机视觉中的基础算法，对于许多计算机视觉应用有着重要的意义。图像匹配方法中包括稀疏的关键点匹配算法和对图像每一像素点进行匹配的稠密匹配算法。本文主要研宄基于特征的稠密匹配算法。这类算法由于能够处理较为复杂的场景变化而广泛应用在图像分析，运动估计等应用中。在基于特征的稠密匹配算法中，特征提取是在固定的尺度下进行的，因此并不能做到对尺度变化的鲁棒。当匹配的图像间存在较大的尺度变化时，由于在不同尺度下提取得到的特征非常不同，使得这时的匹配结果很不可靠。这个缺陷使得基于稠密特征的图像匹配算法较难应用在需要处理大尺度变化图像的应用中。　　本文针对这个问题，提出了基于尺度空间的图像匹配算法。通过在匹配算法中引入尺度场的概念，来建模参与匹配图像的相对尺度关系。在进行图像匹配时，不是在固定尺度，而是在多尺度的特征中搜索并进行匹配。在对尺度场的建模中，引入了尺度场平滑的先验信息，使用马尔可夫随机场建模，并提出了尺度场的求解方法。在使用置信传播算法匹配两幅图像的同时，确定两幅图像间的相对尺度关系。通过定性和定量的实验对比了目前常用的图像匹配算法，说明了本方法处理图像匹配中尺度变化的有效性。　　本文中提出的基于尺度空间的匹配算法相对于传统的稠密特征匹配方法，能较好地处理匹配图像间的大尺度变化。且相对于其他处理尺度问题的方法，具有匹配结果稳定，消耗运算资源较少的特点。