图像匹配作为图像处理里的主要组成部分,它的速度、精确度与稳健度的提升一直是科研人员们十分关注的课题.其研究方法主要分为基于灰度的和基于特征的方法.前者的算法相对简单但是比较敏感,他们主要借助于图像的灰度信息,匹配效率不是很理想.后者对形变等的适应性相对理想,SIFT(Scale Invariant Feature Transform)算法是后者中的相对稳定的算法,可以处理旋转、光照等干扰,但它也存在效率低、精度差等问题。本文先对SIFT算法进行研究,然后对其改进,该改进方法对于边缘显著的图像尤其试用.SIFT算法所用的图像为灰度图像,但是对于边缘显著的图像来说,本文用二值图像来代替灰度图像进行SIFT特征匹配,由于二值图像的像素点的值为0或1,这使边界更加清晰,同时还可以使SIFT特征描述子更加简单,这为匹配节约了时间.此外,128维的特征描述子会给该算法带来很大的计算量,从而影响实时性,本文降维方法将特征描述子的维数减少了一半,但降维后的64维的特征描述子仍包含了降维前的128维的特征描述子中的所有信息.本文所用的降维方法不但减少了算法的运行时间,而且对算法的准确性并无影响.通过研究不难发现,用欧式距离进行匹配会降低算法的准确性,为了提高算法的准确率,本文用加权的欧式距离代替欧式距离进行进行匹配。最后设计了一系列的实验来检测本文改进算法的性能,实验结果表明,当图像之间有一定的光照、旋转、和视点变化时,匹配效果依旧较好,且算法的运行时间远远少于原算法,所以本文提出的改进算法在实时性与准确率方面都有所提高。