图像匹配就是把具有同一场景的两幅或多幅图像在空间上对准,进而确定它们之间变换关系的过程,这些图像可能是在不同时间、用不同传感器、从不同视角拍摄下来的。在目标跟踪、图像导航、文字识别、资源分析、人脸识别以及计算机视觉等领域中,需要解决的一个关键问题就是图像匹配,而利用包含图像重要结构信息的少量特征点来确定图像间的变换关系是解决该问题的一种有效方法。这种方法的难点是如何提取稳定的特征点,并构建适应旋转、形变、遮掩、噪声及其它因素的特征描述子。本文在分析总结特征点提取算法和特征描述子生成方法的基础上,提出了一种基于DOG特征点的快速图像匹配算法。首先简化DOG特征点提取算法,设置合适参数确保特征点的数量和稳定性,接着构建了一个25维的旋转不变特征描述子,然后用描述子的相似性确定初始匹配点,并根据对应线段的仿射变换不变性剔除错误匹配点,从而实现两幅图像的匹配。最后从图像变换、噪声干扰、图像模糊、图像压缩、亮度变化、较小视角变化和尺度缩放等方面对本文算法、SIFT和Imp-MOPs进行仿真实验,并对它们的性能进行了比较,结果表明新算法的匹配性能与SIFT基本持平,但比Im-MOPs有很大提高,处理速度比另外两种算法约快了一倍。