随着人工智能的迅速发展及其应用在人们日常生活中的广泛普及,计算机图形学也成为研究的热点问题之一。图形匹配作为计算机图形学的研究基础在人脸识别、自动驾驶和医学影像等方面都有着很重要的作用。图形匹配主要分为刚性匹配和非刚性匹配。现阶段刚性图形匹配的解决方法已经成熟,但非刚性图形匹配还有很多问题需要我们去解决,其中内蕴对称图形的匹配问题就是难点之一,因为在基于特征匹配的算法中,现有的特征描述子无法很好的区分图形对称部分的特征点,导致了图形匹配的失败,而多极值内蕴对称图形(诸如蚂蚁)的匹配,较普通的内蕴对称图形(诸如人体)更加复杂,对称点的检测更加困难。通过对以往经典算法优缺点的分析,本文针对多极值内蕴对称图形的匹配问题,提出了一种新的算法。首先将热核采样和最远点采样相结合,并进行融合采样,得到个数和位置都理想的特征点;其次用两步法进行对称点检测,第一步,以热核信号为工具对特征点进行初步分类,第二步,基于第一步得到的非对称点,通过计算测地距离的差值对对称点再次分类;然后再利用基于热核的一点匹配算法进行初始匹配;最后采用现有的方法调整对称混淆。在TOCSA和McGill数据库上的数值实验表明,在不考虑对称混淆的情况下,本文的算法提高了匹配的正确率,稳定性强,并且有很强的普适性。但实验结果发现,现有的调整对称混淆的方法对蚂蚁等多极值内蕴对称图形的调整效果并不好。这也是作者今后的研究方向。