每年全国各地的博物馆都会多次举办书画展览活动,馆内大量书画作品被外借展览。然而书画作品外借参展涉及一系列问题,其中最重要的是确保外借前后的书画作品是同一幅作品。针对现有书画鉴定方法存在的问题与不足,本文基于图像特征匹配技术对书画作品识别展开研究。主要内容概述如下:（1）介绍了目前书画鉴定的两种主流方法:传统书画鉴定的方法和现代科技鉴定书画方法。分析了这些鉴定方法存在的问题与不足。研究了基于计算机视觉的书画作品识别方法,分析了图像匹配技术应用于书画识别领域的可行性。（2）考虑到图像特征匹配过程中存在不同程度的误匹配情况,根据匹配点的邻域灰度相似性,设计了一种用于特征点提取的KAZE算法与用于缩略图匹配的感知哈希算法相结合的图像匹配方法。首先使用KAZE算法提取特征点,并生成KAZE特征描述子。在特征匹配过程引入感知哈希算法获得匹配点区域的指纹序列,以此作为判断依据来消除误匹配点对,再利用RANSAC算法进一步筛选。基于Mikolajczyk标准图像库和书画作品图像进行了实验,实验结果表明该方法在多种图像变化下具有更高的匹配正确率,并且能够有效识别出同一幅书画作品。（3）针对人工设计特征的局限性,设计了一种基于深度学习特征的图像匹配方法。首先使用Super Point网络实现特征点的提取与描述,其次在特征匹配环节,对GMS算法加以改进,引入了双向匹配策略进一步剔除误匹配对。最后结合RANSAC算法二次筛选误匹配对。在Mikolajczyk标准图像库和书画作品图像进行了实验,实验结果表明,该方法在图像发生光照、旋转缩放以及较小视角变化场景下表现性能更为优异,并且能够有效识别出同一幅书画作品。（4）针对书画作品图像采集过程由于成像条件的差异、外界环境的干扰等因素带来的识别困难,设计了将上述两种图像特征匹配方法以级联使用的方式应用于书画作品识别的应用架构,通过综合考虑两种方法的匹配结果,最终得出书画图像的识别结论。多组实验结果表明,上述两种图像特征匹配方法都能有效识别出同一幅书画作品,且能准确区分出不同的书画作品。并通过实验验证了本文设计的书画作品识别应用框架的有效性。