图像特征提取和匹配技术广泛应用于目标追踪、图像检索、三维重建等领域。在众多的图像特征中,角点的位置比较明确,没有歧义,并且角点在保留图像原有结构特征的基础上,能极大地减少数据量。本文重点研究了图像中角点的提取和匹配方法。本文所做的工作主要包括角点提取算法研究、特征点描述与匹配方法研究、基于GPU的图像加速算法研究三个方面。在角点提取算法方面,在总结了以往角点提取算法的优缺点后,本文提出了一种新的角点提取算法。该算法在准确检测角点的同时,还能保留构成角点的边缘方向信息,从而为角点提供更多的约束。针对以往很多角点算法会检测到圆角点的问题,本文还提出了一种利用曲率变化率来区分圆角点和钝角点的方法。最后将本文提出的角点算法与五种知名的算法进行性能比较,实验结果表明,本文算法在角点提取精确度ACU和定位误差两个指标上均为最好。同时,本文算法在保证角点定位精度和稳定性的基础上,还具有很快的运算速度,本文算法在角点定位精度和运算速度上达到了一个很好的平衡。在特征点描述与匹配方面,本文提出了一种基于边缘方向的二进制特征描述子。该描述子保存了构成角点的边缘方向信息,可以实现相同类型角点的匹配。本文提出的角点描述子还能作为剔除误匹配点的方法,将其与BRIEF特征描述子结合起来使用,可以提高特征点匹配的正确率,而且在提高匹配正确率的同时,几乎不增加计算量。在基于GPU的图像加速算法方面,本文研究了基于CUDA平台的并行化处理技术,并重点研究了基于CUDA的图像并行处理技术,包括基于CUDA的去噪、提取边缘、提取角点等算法。在深入分析本文角点算法的可并行性之后,最后将本文提出的角点算法移植到CUDA平台上执行,相比于只在CPU上执行,速度得到了大的提升。