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,是计算机视觉研究中一项非常重要的工作,是由图像处理到图像分析的关键步骤。同时随着应用的深入,对图像匹配的适应性、匹配精度和实时性的要求越来越高。本文以此为目标,提出了一种基于特征点的快速图像匹配算法,所做主要工作如下:首先,对经典的图像特征点提取方法Harris算法、SUSAN算法、FAST算法进行了性能比较,得出了FAST算法的综合性能最好的结论,针对其不具有尺度不变性、对噪声敏感的不足,对FAST算法进行改进,提出了Zoser-FAST算法,使之能有效的克服这两种问题,并与目前运用较为广泛的多尺度特征点提取算法进行性能的对比。然后,分析了SIFT算法的流程,结合Zoser-FAST特征点提取算法,并以特征点描述子的点积为相似性度量,提出了一种基于Zoser-FAST特征点提取的快速图像匹配算法。最后,从图像尺度变换、噪声干扰、图像模糊、图像压缩、亮度变化等方面对本文算法、SIFT和SURF进行仿真实验,结果表明了本文算法在保证一定效果的前提下可以大大的加快速度。此外,还对本文算法在图像间存在旋转、噪声、尺度变化时,对算法的性能进行了分析,以确认本文算法的适用范围。