在数字图像处理中,数字图像特征点的检测及匹配算法研究是该领域的一项重要研究课题,它融合了图像处理、特征识别、人工智能和计算机处理等许多领域的知识,有着较高的实际应用价值。基于特征的检测是目标检测手段的常用方法,图像特征一般可分为点、线、面三种,点特征是数字图像中重要的局部特征,因为它具有计算量小、匹配简单的优点,所以应用非常广泛。本文做的主要工作有：本文将Harris算子、Moravec算子、Plessey算子及SUSAN算子,应用于图像的特征点提取,详细分析了各种特征点提取算子在稳定性、提取效率、抗噪性、定位准确性及计算效率。在比较各种算法的优缺点的基础上,引入了基于四方位边缘标记和角点定位模板的角点检测的方法。本文详细阐述了四方位边缘标记和角点定位模板的具体算法和流程并进行了仿真实验,对比分析了该算法与其他各算法的优劣。实验结果表明,基于四方位边缘标记和角点定位模板的角点检测方法可以有效地检测出真正角点的准确位置,有利于后续目标的匹配,满足了实时性的要求。在匹配算法方面,在对常用的匹配算法进行分析的基础上,从算法原理和算法流程的角度详细介绍了基于模板的匹配算法和基于奇异值分解的角点匹配算法,介绍了常用的相似性度量的测量方法,通过实验比较分析了上述两种匹配算法的特点。最后结合上述两种匹配算法,提出了基于角点邻域像素灰度值的角点匹配算法,该算法将基于模板匹配算法中的灰度互相关和基于奇异值分解的角点匹配算法中的角点邻域模板相结合,在灰度空间对特征点进行匹配。通过实验证明,改进后的算法对特征点进行匹配效果良好,且计算量小,能够满足实时性要求。