图像匹配是图像处理领域的一个基本问题。图像匹配分为基于灰度的方法和基于特征的方法。前者简单易行,应用普遍,但算法时间复杂度高,特别是难以处理图像存在旋转和尺度变化等情况。后者比较容易克服前者遇到的困难,但如何建立图像特征之间的对应关系一直是这类方法的研究难题。本文根据三角形相似原理,融合二维聚类算法及基于描述符方法思想,提出一种新的特征点匹配算法。基于特征点的匹配方法分为特征点的提取和特征点的匹配两个步骤。特征点提取作为基于特征点匹配方法的首要步骤,对匹配的效果具有直接的影响。分析和比较常用的一些特征点提取算法之后,选取实验效果比较好的Harris角点检测算法,用于本文灰度图像的特征点提取。由于传统Harris角点提取算法不适合图像存在尺度变换情况,通过在尺度空间下进行改进,使新的算法能够抗尺度变化。经过分析与比较,基于三角形相似的匹配方法实现简单,鲁棒性好,但需要对每个三角形对进行同向相似性判断,时间复杂度很高,且算法的稳定性较大程度上依赖于特征点的提取;另一种特征点匹配算法二维聚类方法,算法效率高,但其对初始有效点的数目要求比较高;基于描述符的方法能够适应图像存在一定的形变和透视变换,但一般实现起来比较复杂,且对图像纹理要求高。本文将上述方法进行有机融合,使融合后的算法大大降低了对初始有效点的要求。将传统被动的相似三角形检索方法改进为主动检索方法,使算法时间复杂度由O(n~3)降为O(n~2)。并通过在向量空间中实现改进方法及参数聚类,算法效率得到了大大提高。同时改用一种动态的最短距离聚类算法,使匹配结果更为精确。针对图像存在平移、旋转和缩放的情况,将本文匹配方法具体运用到指纹识别中,验证了方法的稳定性、快速性及准确性。