图像匹配是计算机视觉、图像信息融合等领域中的一个热点和难点问题，它将不同时间、不同传感器、不同视角条件下获取的两幅或多幅图像进行匹配，以得到对目标更准确的理解。这既是图像处理和计算机视觉的基础问题，又是多传感器信息融合的具有挑战性的课题，具有十分重要理论与实际意义。目前，图像匹配技术已经广泛地应用于目标识别、运动目标跟踪、三维场景建模等领域。本文主要研究了基于SIFT特征点的图像匹配算法。利用SIFT算法提取出的特征点进行图像匹配，对于图像的模糊、旋转、平移和尺度变换具有很强的鲁棒性，甚至对图像光照和视点变化具有一定的鲁棒性。然而，SIFT算法在尺度空间中检测特征点，且在高维空间中匹配特征向量，导致比较复杂，计算量较大，时间效率低。为了提高SIFT特征点的匹配速度，本文提出了一种基于向量夹角的近似最近邻搜索算法。该算法首先计算高维空间向量与随机选择的参考向量的夹角，并进行排序。计算出待查询向量与参考向量的夹角后，采用二分搜索算法在已排序夹角中查找对应的夹角，并以此夹角为中心，在一定范围内搜索给定向量的近似最近邻。为了验证本文算法的有效性和优越性，本文进行了大量对比实验。实验结果表明，本文算法可以在不降低SIFT特征点匹配效果的条件下，显著的提高其匹配速度。此外，本文还进行了基于SIFT特征点的图像匹配实验。实验结果表明，当图像之间存在一定的图像旋转、光照变化和视点变化时，仍然具有满意的匹配效果。