图像匹配是指多幅图像通过某种特征算法来寻找它们之间的同名像点的过程。图像处理的重要研究对象就是图像匹配技术,它同时也是其他图像分析技术的基础,图像匹配是视觉信息领域的一种重要手段。由于图像匹配被很多学科广泛应用,很多研究学者对它进行不断的完善,图像匹配算法也就越来越成熟。对图像进行匹配需要多个步骤来完成,由于匹配算法的多样性,匹配得出的效果也就各不相同。基于图像特征的算法是现如今学者们最常用的一类算法,其最具有代表性的便是SIFT(Scale Invariant Feature Transform)算法,该算法主要是利用高斯尺度空间来构造描述子,该算法在旋转、视角旋转、仿射变换、抗干扰等方面表现出了优异的鲁棒性,而且SIFT算法还具有专一性强、信息内容庞大、可扩展性强等优势。本课题研究了基于SIFT算法的图像匹配方法,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,介绍了两种经典算法:SURF(Speeded Up Robust Feature)算法和SIFT算法,并分别介绍了两种算法的基本思想和流程。然后,提出了一种改进的SIFT算法,以圆的旋转不变性为基准,利用这个特性对特征点在圆形区域内进行描述。最后,描述SIFT的改进思路和处理流程,对两种算法进行实验并做分析比较。