图像匹配技术作为图像制导技术的重要基础，成为现代战争的关键技术，一直是学者研究的热点和难点。现阶段的图像匹配技术研究主要是基于区域的匹配，相比基于特征的匹配技术，缺点在于无法应对图像发生复杂变换的情况。而基于特征的匹配技术近年来才发展起来，如何选取可针对各种图像变换、适应性强、精度高和计算快的匹配算法是研究的难题，无论从军用还是民用角度，本文的研究都具有很重要的实际意义。　　本文首先从特征点检测和描述的角度出发，提出了新的仿射不变的局部不变特征点检测和描述算法，弥补了传统特征点提取的数目少和种类少的缺陷。利用仿射不变的SURF局部特征点检测算法和仿射不变的CSS角点检测算法，检测出局部不变特征点并对其进行整合和描述。实验结果表明，本文算法所提取的仿射不变的局部特征点对于各种图像变换(特别是仿射变换)具有完全不变性。　　然后针对特征点相似性度量的实时性和准确性要求，结合之前提出的新的特征点检测和描述算法，提出了改进的相似性度量方法：在匹配时采用粗-精匹配策略，对图像选取有限个特征点进行粗匹配，并应用RANSAC算法去除错误匹配对，利用最小二乘法估计粗略的仿射变换模型参数，接着采用基于分块匹配策略的精匹配方法，找到每一小块模板图像对应的精匹配区域，对应区域内的特征点进行匹配，最终得到精确的匹配位置。同时提出了三种可根据需要选用的加速算法。通过与SURF、SIFT方法的实验结果对比，表明利用本文算法对于具有各种图像变换(特别是仿射变换)的图像进行匹配时，提高了匹配精度，改善了匹配效果。　　最后结合之前所提出的基于局部不变特征的图像匹配算法，以基于TigerSHARC系列的多DSP并行的图像信息处理机为硬件平台，将算法从PC平台移植到多DSP并行系统中，并根据硬件平台和算法的特点进行并行算法的设计、实现与优化，通过硬件平台进行算法的准确性和实时性测试，结果表明算法经过优化后处理速度有明显提高。