特征点匹配是计算机视觉和模式识别领域中一个基本而重要的问题。有着广阔的应用背景，如图像配准、物体识别、运动目标的检测与跟踪、手写体识别等。同时它也是计算机视觉的一个难题，这不仅是因为在图像获取和特征提取阶段阈值选取不当等过程中会产生不同程度的噪声，使得本来精确的特征点之间的对应关系变得难以确定，而且点集中往往有出格点和非刚性形变的存在，使得点匹配变得艰难和复杂起来。 特征点匹配是要找到两点集之间的对应关系和空间映射关系。以点的位置表示点特征是一种最简单的特征。在多数实际应用中，都是存在非刚性形变的情况下对特征点进行匹配，因此本文针对非刚性特征点匹配给出了两种实用的匹配算法： (1) 提出基于寻找不变量的特征点匹配算法。它是对Chang等的点匹配算法进行了改进，即利用原始算法的寻找匹配点对支持度方法来得到可靠的几何不变量，然后给出了根据两点间距离不变量自上而下的推导出最大匹配点对集和仿射变换参数。理论分析和实验结果表明本算法推理严密，在精确性和稳定性都有显著的改善，是一种理想的特征点匹配算法。 (2) 第二种特征点匹配算法是对基于确定性退火的点匹配算法进行改进，给出了适合确定性退火算法求解的新的目标函数形式，提出采用相似性度量值来约束匹配矩阵，加快了匹配矩阵收敛的速度从而减少计算量，在退火率较高时也能得到比较好的解。实验也验证了在相同退火率的情况下能够得到比改进前算法好的匹配结果，并且适当提高退火率时仍然能够得到比较理想的匹配结果。