随着科学技术的发展，图像已成为人们接收信息和传递信息的主要载体。图像信息在医学、视频监控、航空航天、自然资源分析等领域中都有着广泛的应用。图像匹配是图像以及信息处理的基础，其效果直接影响了后续工作的开展。图像匹配涉及的图像之间可能存在着光照变化、视角变化、焦距变化、旋转变换等多种变形，这使得图像匹配问题的解决仍是一项持久且艰巨的任务。　　 基于特征点的图像匹配算法是图像匹配算法研究的主要趋势。对于图像特征点的研究主要包括特征点提取和特征点局部特征描述两部分。现有的特征点提取算法很多，但经研究表明，SIFT特征点提取算法最为稳定。因此，本文采用SIFT特征点提取算法提取图像的特征点，侧重于对SIFT特征点局部特征描述算法进行了研究。此外，特征点匹配算法也是影响图像匹配效果的重要因素之一。因此，本文对特征点局部特征描述算法和特征点匹配算法进行了研究，主要包括对基于SIFT特征点的局部特征描述算法和特征点匹配算法进行改进，另外提出一种新的特征点匹配算法。　　 本文的主要工作及创新点如下:　　 (1)针对SIFT特征点局部特征描述算法，在SIFT特征点局部特征描述算法的基础上，结合复杂网络理论，提出了基于复杂网络的SIFT特征点局部特征描述算法。该方法对SIFT特征点局部窗口图像大小每4×4的区域内落入8方向直方图中每个方向的像素建立复杂网络，并提取复杂网络的统计特征作为新的特征加入到原SIFT特征点局部特征描述中以得到新的特征点局部特征描述。为将复杂网络理论进一步应用于图像处理与模式识别领域中奠定了基础。为图像特征点局部特征描述提供了新的研究方向。在真实图像库上的实验结果表明，由于增加了表示像素间关系的特征，基于复杂网络的SIFT特征点局部特征描述算法的性能要优于经典的SIFT特征点局部特征描述算法，具有良好的匹配性能。　　 (2)针对基于加权投票图像匹配算法，提出了一种改进的基于加权投票图像匹配算法。该方法在基于加权投票图像匹配算法的基础上，增加了投票权重的概念，认为得到投票越多的候选匹配应具有更高的投票权重。首先对每个候选匹配计算投票结果累加值，再对投票结果累加值进行归一化得到该候选匹配的投票权重，最后根据投票权重重新计算投票结果累加值作为最终的投票结果。为投票方法在图像匹配领域中的应用进一步做出了补充和提供了新的研究方向。相关的鲁棒性实验和真实图像实验结果同时表明，这种算法在不明显增加特征点匹配的时间效率的同时，显著提高了图像匹配的匹配精度，具有较好的特征点匹配性能。　　 (3)针对图像特征点匹配，结合离群点检测思想，将基于随机游走的离群点检测算法用于图像特征点匹配中，提出了一种基于随机游走离群点检测的图像匹配算法。首先将特征点之间的候选匹配作为离群点检测中待检测的模式集，然后根据基于随机游走的离群点检测算法计算每个候选匹配的离群度，最后对候选匹配的离群度进行判断，通过对离群度的选择来进行误匹配矫正，并实现最终的特征点匹配。该算法首次将离群点检测技术应用于特征点匹配中，为特征点匹配算法的研究提供了新的途径。相关的鲁棒性实验和真实图像实验结果表明，该算法较传统的特征点匹配算法，在返回了较多特征点匹配关系的同时，保持了较高的特征点匹配精度，为图像匹配后续任务的处理提供了便利。