同一场景的两幅或多幅图像的匹配是计算机视觉中的一个基本问题，也是三维重构中的一个关键步骤。目前三维重构中的匹配方法在匹配效率和匹配性能方面存在很大的不足，所以对此种匹配方法的研究是图像领域的研究热点，尤其是对基于特征的匹配方法的研究更是有着重要的现实意义。 基于特征的匹配技术的一个难点在于特征提取技术，在三维重构中，无论是针对简单图像还是复杂图像的特征提取，如何寻找一种优良的图像特征提取算法来提取特殊的图像特征都是迫切需要解决的问题。在简单图像的特征提取时，SUSAN算子和Harris算子有着广泛的应用，其算法的优缺点及在应用中需要注意的问题可以通过详细的算法分析及实验测试给出。在复杂图像的特征提取时，针对SIFT算法的关键点描述子在匹配性能和匹配效率上的不足，可以采用首先提取更多的关键点周围信息来精确描述特征点，然后利用降维的思想精炼致密地构造关键点描述子的方法，这样就使得最后构造出来的描述子既独特又健壮。此种改进算法的优点在于它在提取更多关键点信息的同时又考虑了关键点维数对匹配效率的影响，这就使得其应用在复杂的三维重构中可以取得很好的匹配性能和匹配效率。此外，针对复杂图像匹配过程中，由于噪声、遮挡以及角点提取阶段阈值选取不当而产生的不良匹配较多的问题，可以使用对极几何的方法进行不良匹配的消除。首先使用IPC-SIFT提取图像之间的匹配点，然后利用RANSAC鲁棒估计、非线性估计和引导匹配的方法消除不良匹配点，进而得到非常好的匹配效果。 理论证明及实验测试都表明，上述方法对于三维重构中的匹配技术研究提供了新的思路。它们的优点在于能够应用于各种实际问题，而且算法的匹配性能和匹配效率都得到了明显的改进，这对于某些领域的应用是很重要的。