图像匹配作为计算机视觉的关键技术之一，在计算机视觉的各个应用领域中有广泛的应用。特别是在三维重建、物体识别、图像配准、图像检索中，图像匹配是其核心技术，具有十分重要的研究意义和应用价值。近年来，图像匹配技术受到了国内外学术界的广泛关注，大家对图像匹配理论认识也更加深刻，从不同方面先后提出了许多优秀的图像匹配算法。这些算法大致可以分为三类：基于灰度相关的图像匹配算法、基于变换域信息的图像匹配算法和基于特征的图像匹配算法。但是由于图像数据复杂多变，目前无论是哪种算法，都无法适用各种图像的匹配问题，尤其对于图像了发生尺度变化、仿射形变等的情况。最早的基于灰度相关的图像匹配算法或基于变换域信息的图像匹配算法都已难以适应这类图像的匹配要求。对于这类图像的图像匹配问题，目前使用基于特征的图像匹配算法来进行处理。基于特征的图像匹配算法主要包括：特征提取和特征描述两个关键技术。本文通过对经典的图像匹配算法，特别是基于特征匹配的SIFT和MROGH算法的研究提出了基于环状划分的局部坐标系特征描述的图像匹配算法和基于颜色不变量的局部特征图像匹配算法。具体工作如下：(1)本文提出了基于环状划分的局部坐标系特征描述的图像匹配方法，该方法通过给每个样本点建立相对特征点旋转不变的局部坐标，在该坐标系上描述每个样本点与特征点的关系，并且是环状区域划分方法，进一步满足旋转不变性的要求。所以这种方法不但避免了使用主方向估计带来的误差，而且很好的实现了旋转不变性，取得了很好的匹配结果。(2)研究了颜色不变量模型在图像匹配中的应用，提出了基于颜色不变量的局部特征匹配方法。该方法通过颜色不变量模型得到待匹配图像更多的特征信息，这种特征信息融入了更多图像的颜色区分信息。再使用颜色不变量序列划分特征区域，这种划分方法相比传统的几何划分方法，其有自适应的特点，更加合理。因此该方法充分运用了彩色图像的像素信息，对于彩色图像匹配效果良好。