图像匹配是数字图像图像处理研究领域的一个热点和难点，随着计算机技术和匹配理论的发展，其应用领域越来越广泛，已经从当初的军事领域逐渐发展到人们的日常生活和工业生产之中。对图像匹配技术的研究是研究图像拼接，场景识别，图像检索，运动目标跟踪等问题的基础，具有很重要的意义和价值。　　本文系统地研究了基于图像特征的匹配技术，其中重点研究图像特征点提取算法和构造特征描述子方法。　　首先，本文介绍图像匹配的基本原理以及匹配的预处理算法。同时针对本文经常用到的尺度空间理论进行探求，传统上建立高斯图像金字塔都是由原始图像卷积得到的，本文对其进行了改进，推导出利用上一层图像卷积得到下一层图像的计算公式，该方法减少了计算量。　　在特征点检测方面，本文阐述了各种特征点检测算法的原理，重点研究了由经典Harris算子演化而来的各种特征点检测算子。针对多尺度Harris方法检查到的特征点存在很多冗余点，虽然Harris-Laplace方法可以除去一定冗余点，但是存在效果不佳等问题。本文提出了一种改进的方法，即在检测多尺度Harris特征点的时候进行跟踪分组，使得代表同一个局部结构的特征点被分为一组，然后采用高斯差分函数去除冗余点，最后利用点的度量值选出最能代表该局部结构的特征点。通过实验证明：该方法能够有效地去除冗余点，在模糊和旋转变换时性能优于Harris-Laplace方法，同时，保持尺度不变的特性。　　在描述子构造方面，本文详细分析了SIFT匹配方法，并通过仿真实验验证了该方法的特点。受到Harris算子和SIFT描述子构造方法的启发，利用Harris区域相关矩阵得到描述每个子区域块自互变化向量，然后结合构造SIFT描述子的区域划分策略为每个特征点建立主方向，构造了一种新的描述子方法。该描述子是一个116维的向量，不受图像旋转，亮度，平移等变换的影响，且计算简单，实验证明该描述子具备上述特征。