鱼眼相机在机器人导航、场景监控、虚拟现实与三维重建等领域具有广泛的应用。然而，由于特征的自动提取和匹配问题一直没有得到很好的解决，因此这些应用目前仍然停留在手工或人机交互阶段。　　图像特征提取与匹配是计算机视觉中的一个基本问题，也是一个非常困难的问题。与传统的透视图像相比，由于鱼眼图像具有较大的非线性畸变，使得特征提取和匹配更加复杂，因此研究鱼眼图像的特征提取和匹配问题，具有重要的理论意义和实用价值。本文围绕鱼眼图像的特征提取和匹配问题进行了研究，所完成的主要工作有:　　1、对经典的仿射不变特征检测和匹配算法进行了综述，并对这些方法的性能进行了分析和比较。　　2、针对鱼眼图像，给出了一种仿射不变区域的稳定轮廓点提取和匹配方法。首先提取MSER(Maximal Stable Extremal Region)仿射不变区域特征，并采用SIFT(ScaleInvariant Feature transform)描述子进行初始匹配;然后，对区域轮廓平滑处理后，再提取区域轮廓的曲率极值点做为稳定特征点;最后根据几何一致性约束和灰度相似性度量对这些特征点进行匹配。　　3、针对鱼眼图像，给出了一种仿射不变区域的内部特征点检测和匹配方法。首先计算Hessian区域之间的仿射变换模型，然后，在此基础上应用该模型进行区域内部特征点的匹配预测和相似性度量。本文区域内部特征点采用Harris角点提取算法，而匹配方法采用基于相关的交叉验证方法。　　实验结果表明，与传统的仿射不变区域的特征提取和匹配方法相比，本文给出的方法可以得到更多的特征点，而且性能稳定，定位精度高。同时，本文给出的匹配策略也具有较高的可靠性。这些方法对于非线性畸变严重的鱼眼图像来说，是一种较好的解决方案。