图像匹配(Image Matching)是计算机视觉和图像处理技术中的重要研究课题。它是指采用某种有效的匹配算法将在不同传感器、不同时间、不同视角及不同拍摄条件下获取的包含同一场景的两幅或多幅图像进行匹配融合。图像匹配方法一般分为基于灰度和基于特征的匹配方法，这两类方法各有优劣：前者是依据图像的灰度值进行匹配，精确度较高但计算量大；而后者计算量相对较小，且具有较好的抗噪声能力，易于实现实时匹配。图像匹配算法研究的核心问题是提高配准的速度、精度和算法的稳健度，所以研究一种鲁棒性好、精确度高、性能稳定和适用性强的匹配方法依然面临巨大挑战，并且具有重要的理论意义和实用价值。本文针对图像特征提取和匹配方法进行了深入细致的研究。首先，介绍了两种经典的算法：Harris角点检测算法和SIFT算法，并分别阐述了其基本思想和实现过程，最后给出了各自的算法流程。然后，在这两种算法的基础上对SIFT算法进行了改进：1.用Harris算子来筛选尺度空间极值点，获得高对比度的特征点；2.根据圆的旋转不变性，采用圆形邻域对特征点进行描述；3.利用梯度联合的思想对特征描述子进行降维处理；4.为了提高匹配的精度，采取双向匹配策略。最后，阐述了改进算法的基本思想和实现过程，通过实验与原算法进行比较，从理论上分析了改进算法的优越性及存在的不足。