图像配准是计算机视觉的等技术的基础。图像局部特征技术由于其对各种变化的不变性以及对遮挡重叠等情况的鲁棒性，一直是图像配准领域的热门研究方向。在图像局部特征技术中，尺度不变特征（SIFT）在图像发生尺度、旋转等变化时可以表现出很好的稳定性，因而受到了广泛的关注、研究和应用。然而，SIFT算法的速度以及SIFT特征在匹配时的准确率方面仍有提升的空间。本文介绍了图像局部特征技术的组成和发展历程，以及包括SIFT算法在内的几种当前较为主流的局部特征技术。在对SIFT算法进行了详细分析的基础上，本文提出了基于SIFT算法的四种改进，分别是：（1）基于匹配置信值的自适应距离比阈值匹配算法；（2）基于分量方差和梯度方向加权的特征描述算法；（3）基于源图像分割检索的多层匹配算法；（4）基于哈希匹配的加速特征提取匹配算法。之后本文分别基于匹配准确率和算法速度两个方向的优化，提出了综合了上述四点改进后的两个比较全面的SIFT算法的改进算法。对于上述每一种改进，本文均给出了实验数据的统计和分析，以及与已有算法之间比较。本文的主要贡献如下：1.本文比较详细地介绍了几种当前主流图像局部特征技术，并与本文中提出的算法一起对各算法进行了实验对比和分析；2.本文以优化SIFT算法的匹配准确率为目的，分别提出了基于匹配置信值的自适应距离比阈值匹配算法、基于分量方差和梯度方向加权的特征描述算法和基于图像分割检索的多级匹配算法，并综合以上三点提出了一种综合算法；3.本文以优化SIFT算法的速度为目的，提出了基于哈希匹配的加速特征提取匹配算法，并与上述基于分量方差和梯度方向加权的特征描述算法的变形相结合，提出了一种提升SIFT算法速度的综合算法。