合成孔径雷达(Synthetic Aperture Radar，SAR)因为其全天时、全天候、远距离观测的特点被广泛应用于军事和民用领域中。为了合理的利用SAR图像中的信息，图像中信息的提取就是一项必不可少的技术，而对这些信息进行对比来找出图像中相似或者相关区域的信息的图像匹配技术更是对生产、生活活动具有巨大的意义，在诸如目标识别、目标定位等领域，图像匹配都是一项核心支撑技术，因此，研究高效稳健的SAR图像匹配算法必不可少。　　基于SAR图像也是一种数字图像，数字图像处理的知识能有效帮助实现SAR图像的特征匹配，本文针对这一问题介绍了数字图像处理领域中与SAR图像匹配技术息息相关的一些关键技术，特征检测过程往往需要在多尺度空间中进行以保证其尺度不变性，因此，首先介绍了尺度空间的概念，斑点检测作为区域检测的一种特例在目标识别领域是一种经典的方法也加以讨论，角点也属于一种强点，亦可以作为图像中明显的特征信息加以利用。　　SAR图像中存在相干斑噪声，噪声的存在会导致大量非同名特征的出现，极大的影响了后续特征匹配的效果，因此对待匹配的SAR图像进行预处理，尤其是滤波处理，必不可少。本文从空域和变换域滤波两个方向对SAR图像滤波进行了简单的介绍，包括经典的均值滤波、中值滤波和傅里叶变换滤波，其后讨论了利用噪声模型的滤波方法，它们在图像边缘处的滤波效果有明显提升，最后针对小波域滤波算法进行了简介，主要是基于阈值的小波域滤波算法。　　在本文的最后着重讨论了一些高效的特征检测算法，Harris角点利用局部窗口滑动的自相关性检测定位角点，具有抗旋转特性；SIFT算法对斑点检测算法进行了工程近似，并结合鲁棒的特征描述子和特征匹配方法，在SAR图像上应用对旋转、拉伸、非同源和不同分辨率的数据都有良好的匹配效果；SURF算法利用图像积分的知识在效率上大大提升，同时检测精度也有保证。在SAR实测图像上应用这些算法都取得了一定的良好效果。为了直观的表述图像间的变换关系，本文最后研究了鲁棒的随机采样一致性（RANSAC）算法并实际应用，取得了较为精确的结果。