图像匹配是图像处理和模式识别中的一种基本的手段和方法,它是指对不同拍摄设备或拍摄环境下获得的两幅或多幅图像,找到图像间的空间变换模型,建立图像间的映射关系,进而对图像进行匹配和对准的过程.它在视觉导航、遥感地形、目标跟踪、图像融合、医疗诊断、三维重建等很多领域都有着广泛的应用.随着应用要求的增加,对图像匹配的时效性和精确性都提出了更高的要求.基于特征的图像匹配技术的基本思路是从图像中提取出能够包含图像有效信息的特征,然后对这些特征进行描述,使得图像对灰度变化、旋转、视角和噪声具有一定的鲁棒性,最后通过特定的相似性度量准则对特征描述子进行匹配.本文重点研究前人的各种图像特征提取和特征描述的算法,并在此基础上提出了一种新的图像匹配算法.主要研究内容分为以下三个方面：(1)系统地介绍了基于特征点的图像匹配方法的几项相关技术,包括：图像预处理、尺度空间的建立、匹配点对提纯、图像匹配性能评估标准.(2)详细阐述了几种经典的特征点提取算法,包括：Moravec角点、Harris角点、SUSAN角点、Fast角点、SIFT和SURF,并通过实验给出各算法的检测效果.此外,也介绍了特征点描述的两种常用方法,包括基于梯度直方图的局部描述子和基于二进制位串的局部描述子；然后分别介绍了几种具有代表性的描述子算法.(3)提出了一种实时鲁棒的特征点匹配算法RRM,该算法首先通过微分操作确定图像的边缘区域和边缘方向,接着找出边缘区域中很可能成为特征点的锚点,然后使用主曲率剔除不稳定的边缘点,提高了算法匹配的稳定性.使用改进的BRIEF对特征点描述.最后使用Hamming距离和双向匹配结合的方法对特征点进行匹配,提高匹配的精度.本文通过实验分析,验证了该算法对尺度、旋转、视角、光照和噪声等具有良好的性能,而且该算法具有高效的计算速度,可以用于实时的应用.