图像匹配技术在自主导航领域具有重要的理论意义和巨大的发展前景。针对现有图像匹配导航技术的不足,本文以序列图像匹配辅助惯性导航为背景,对组合导航系统中的关键技术进行了深入研究。本文采用图像特征进行图像匹配,提出了基于稳定分支点构造高维组合特征的算法,高维组合特征以相交直线对的形式呈现,具有一定的几何结构,易于构建,且不易受噪声影响,同时具有点特征容易提取与直线特征易于匹配的优点。在此基础上,提出了基于高维组合特征的序列图像匹配算法,分析了特征间的几何约束关系,并提出了在序列图像帧间相对匹配的基础上,每隔一定时间利用参考图与实时图之间的绝对匹配消除累积误差的方法。针对高维组合特征分布不均以及仅使用特征的几何关系完成匹配算法的鲁棒性不好的现象,提出了基于Delaunay三角剖分改进高维组合特征的方法改善特征的分布,减少冗余计算。同时,针对几何特征易受图像变形影响的不足,本文提出了高维组合特征的区域特性,在此基础上,结合高维组合特征的几何特征和区域特征,共同形成高维组合特征的十维特征描述子,使得算法的鲁棒性进一步增强。最后,为了验证本文提出的高维组合特征的序列图像匹配算法的性能,将图像传感器、高度计和惯性导航系统的输出信息融合到一起,形成组合导航系统,同时研究了一种利用惯导信息增量修正延迟的改进卡尔曼滤波算法,对多信息进行融合滤波,优化了导航系统的输出。本文设计并开发了一个可视化的组合导航仿真系统,验证了本论文算法的有效性。