本文旨在研究计算机视觉中基于结构信息的点匹配算法。在计算机视觉中，图像是最主要的信息形式。为了更好地处理图像，往往需要从图像中抽取特征点，并匹配不同图像中的特征点。点匹配算法广泛应用于多种计算机视觉任务中，是计算机视觉领域重要的基础问题。　　在仅知道点阵中的点的坐标的情况下，提高点匹配精度的最佳方式就是利用点阵的结构信息。然而，通过何种方式刻画点阵的结构信息尚不明确，同时，在获得了结构信息之后，如何利用这种信息来指导匹配过程尚不明确。针对这两个问题，本文从多个角度出发，提出了有效地刻画和利用点阵结构信息的方法，提升了匹配算法的性能。具体来说，包括以下三个方面:　　1.我们设计了一种基于点的分布的新的局部特征，通过局部特征刻画点阵的结构信息。相比于之前的工作，我们设计的局部特征对点阵由于形变、噪声等所产生的变化更加鲁棒，更好地刻画了点阵的空间结构关系。　　2.我们设计了一种基于测地距离的点阵结构刻画方式，通过计算点之间的测地距离构建图模型。相比于之前的工作，该图模型对点阵的非刚性形变更加鲁棒。在此基础上，我们又提出了一种基于测地距离的二元特征。该特征对非刚性形变鲁棒，适用于非刚性点阵的匹配问题。　　3.我们设计了两种利用结构信息进一步提高点匹配精度的方法。在第一种方法中，我们设计了一套从初始匹配中找出可靠匹配的方法，并利用可靠匹配指导其余点重新匹配，以提高匹配精度。在第二种方法中，在正确匹配比错误匹配多的假设下，我们直接利用不同匹配之间的相似性，排除错误匹配，同时尽可能保留正确匹配。以提高匹配精度，同时使得最终匹配有较高的回想率。　　第一个方面的工作从点的角度来描述点阵结构信息。第二个方面的工作从连接点的边的角度来描述点阵结构信息。第三个方面的工作从匹配算法的框架角度，提出了利用结构信息改进匹配结果的方法。这三方面的工作分别对应利用点阵中的点的信息、边的信息、以及匹配算法的框架设计。三方面的工作紧密结合，互为补充，形成了一整套利用点阵结构信息处理匹配问题的创新性成果。