在两组视觉特征之间建立匹配关系是计算机视觉当中的一个基础问题。图匹配方法使用图结构来描述特征之间的几何关系通过匹配算法来确定特征之间的对应关系。其在实际应用如图像匹配,图像重建,目标跟踪等方面和数理研究中都有着较为重要的研究意义。本文首先对图匹配的研究现状和发展趋势做出了详尽的调研,同时总结归纳出了图匹配问题的研究难点和趋势。针对这些难点和趋势,本文基于高阶张量超图匹配模型从四个方面对图匹配问题进行了研究,提出了新颖的图匹配算法,主要工作包括:(1)考虑到图匹配问题中配准矩阵的二元离散性质,本文将香农熵障碍函数加入到超图匹配模型中从而使得求解结果满足置换矩阵性质,解决了之前图匹配方法结果均一的问题。这个模型使用了非单调有效集牛顿法进行了求解。(2)一般传统的图匹配问题都是从全局入手来描述点与点之间的几何关系而忽略了局部的信息。由于模糊松弛图匹配法利用了局部信息来进行特征匹配,丰富了模型的几何信息,本文将其拓展成了超图匹配模型,利用更加严格的特征点约束来提高图匹配算法的效果并且使用了盒约束增广拉格朗日方法来将模型分解成了便于求解的子问题并用L-BFGS-B对子问题进行了求解。(3)由于图匹配问题的配准矩阵具有稀疏性,从稀疏优化的角度出发,LP正则方法被引入了超图匹配模型当中,使得求解的结果满足稀疏特性,并且使用了一个自适应非单调谱梯度投影法进行求解。由于三维特征点空间几何关系更加的复杂,在引入稀疏优化的同时,本文使用了立体的超边结构来更加精确的描述特征点之间的几何关系,并且针对三维特征点设计了新的特征向量。这个模型使用了改进了非单调线性搜索方法的自适应谱梯度投影法进行了求解。对上面所提出的图匹配模型,本文选取了一些常见的图匹配方法进行了对比实验,实验结果显示了本文所提出方法均能获得良好的匹配结果。最后本文对研究成果进行了总结并且对未来的研究方向提出了展望。