在数字摄影测量系统中，从不同角度获取被测目标的两幅数字图像，通过这两幅图像中的对应测量点的平面坐标恢复该点三维坐标，即由计算机重建该点的三维坐标，然后用足够多的点的三维坐标拟合被测物体的曲面轮廓。三维重建的先决条件是要建立两幅图像中测量点的对应关系，即两幅图像间对应点的寻求，也称为两幅图像的匹配。实现自动化的图像匹配一直是数字摄影测量中关键的一步，也是其中的一个难点。在数字摄影测量系统中，还没有一种普适的匹配方法适用于所有测量对象。对于不同的应用场合，可能需要不同的匹配方法。本课题提出了两种点匹配的方法。 第一种方法是基于编码点和极线约束相结合的方法实现点匹配。该方法利用圆环式编码点作为识别码，来标识区域。此类编码点具有旋转、缩放、变形的无关性。测量点是与编码点中心圆斑大小一样的圆斑。针对大尺寸测量对象中点的匹配问题，本课题提出了分区的思想。首先将进行区域匹配，即粗匹配，然后利用极线约束匹配小区域测量点，即细匹配，这样就完成了整个匹配。 第二种方法是基于特征点和几何法相结合的方法实现点匹配。该方法主要应用于旋转抛物面形状物体的测量，比如本文第四章的测量对象一模拟天线。该方法利用两个直径为70mm大测量点作为标识点，一个大点粘贴在大伞中心作为粘贴辐射条基准，另一个点作为匹配的起始点。该方法也是利用了分区思想，首先是将辐射条匹配，即粗匹配，然后利用顺序一致性匹配小区域测量点，即细匹配，这样就完成了整个匹配。 本文提出的这两种方法都是针对大型曲面提出的匹配方法。实验表明这两种方法能够有效地降低数据处理时间，提高匹配率和自动化程度。 在数字摄影测量理论的基础上，针对图像特征匹配约束问题，从理论和实践两方面进行了研究和讨论。根据具体的实验条件，完成了点匹配系统设计中的图像特征点的提取、图像特征点匹配等软件设计和实验验证。