图像匹配是计算机视觉中的一个重要问题，也是许多视觉应用工作的基础。在实际中，由于拍摄时间、拍摄角度、非线性形变等诸多因素的影响，使得解图像匹配问题非常困难。非刚性图像匹配中特征匹配是核心内容。为了使研究的方法具有更好的通用性，本文采用最低层次的特征——点，来展开研究。本文研究的主要内容是基于点匹配的图像匹配算法及其相关应用。　　点匹配算法需要寻找点集间的对应关系和变换关系。实际图像对中，由于噪声、遮挡、离群点及非线性形变的影响，为点集匹配带来了困难。为了尽可能的去除图像对中存在的离群点和噪声点，找到正确的图像点集对应关系，近年来，许多研究者提出了各种各样的方法来解决这个问题，取得了一定的效果，但离实际的要求还有距离。如何找到新的算法，使其能够取得比现有方法更好的性能，是图像匹配算法一直所关注的。此外，现有的点集匹配算法都不能处理图像对中有多种大的形变的情况，这意味着要求匹配算法能够区分不同部分的不同变换关系。由于图像中每一部分都可能存在一种复杂的变换关系，对这种匹配算法的研究是一个巨大的挑战。　　本文围绕着图像匹配算法展开，具体研究了基于空间关系一致性的刚性点集匹配算法和非刚性点集匹配算法；分层混合匹配算法；图像检索算法。本文的研究成果包括以下四个方面：　　(1)提出了一种基于空间关系一致性的鲁棒的刚性点集匹配算法。该算法是一种参数估计算法，首先通过点集特征建立初始的对应关系以减小搜索范围，提高计算速度，同时增强了对离群点的容忍度。然后，在最大似然框架下将匹配问题建模为一个最大似然估计问题。采用EM算法，估计内点集与图像空间一致性关系。　　(2)将基于空间关系一致性的匹配模型推广到解决非刚性匹配问题上。与刚性点集匹配算法相比，该方法适用范围更广，并且对刚性点集匹配和非刚性点集匹配都取得了好的效果。该算法无需对图像之间的几何关系建模，通过非参数估计求解一个与给定图像匹配点对拟合得最好的变换函数。对常见的图像变换诸如大视角变化、图像旋转、图像压缩、仿射变换、光照变化、非刚性变换等以及对匹配集中包含大量误匹配都表现出很强的鲁棒性。而且能够很容易的推广到三维的情况。　　(3)提出了一种分层混合模型的的点集匹配算法。对于图像中存在多种复杂变换关系的情况，该算法能取得令人满意的结果。当待匹配图像对可以由一个变换关系表示时，该混合模型将退化到只含一个高斯模型的情况，相当于标准的非参数模型。因此，该方法可以看成一种更加具有普适性的方法，能够解决图像场景中存在多个独立的个体以不同的运动模型进行运动的问题。并且可以用来解决相同目标在不同背景下的图像检索问题。　　(4)提出了一种基于同类相似性的图像检索算法，该算法能够利用前面已检索出来的同类信息为后面的检索提供帮助，因此在已知信息比较少的情况下，也能够提高检索正确率。