图像特征匹配技术是计算机视觉、图像处理、多媒体信息检索等领域的主要研究内容。其实质是在高维特征空间中寻找一种或多种距离度量方法,使来自不同时间、不同传感器或者不同视角的同一场景的两幅或多幅图像在空间上一致。基于特征的匹配计算量小、速度较快,对于图像畸变、噪声、遮挡等具有鲁棒性。然而这种匹配精度在很大程度上取决于特征提取的质量,并且没有考虑特征的空间位置信息和数据集自身的特点。针对该问题,本文提出对特征点凸集进行Delaunay空间剖分的方法,提高了特征匹配的精准度。并将该方法应用于无重叠视域多摄像机行人再识别问题,得到了不错的实验效果。主要工作如下：(1)介绍图像特征匹配的研究背景和意义。论述了图像特征匹配技术的发展现状和关键问题。引入数据集的空间结构信息,阐述空间划分的思想及Delaunay三角剖分的理论和方法。(2)针对图像特征匹配缺失空间位置信息的问题,提出结合局部特征和空间剖分的方法。通过引入空间剖分,构建特征点对组成的Delaunay网格,采用点对间的边信息进行相似性匹配。不仅包含了局部的特征,还含有灰度、纹理等图像底层的全局信息。并且将空间信息表达为拓扑关系而不是几何方式,这使得该方法对图像非线性畸变具有更强的鲁棒性。(3)将上述方法应用于无重叠视域多摄像机行人再识别问题。针对图像质量差、目标较小且存在多种变化的问题,采用更加稳定的MSER区域特征,并且采用粗匹配和精匹配相结合的分级匹配策略,取得了较好的实验效果。