对基于局部不变性特征的图像匹配的三个关键点——特征点提取、匹配策略的选择、匹配对的提纯，进行了深入分析并提出了一个完整的图像匹配解决方案。首先，在对Harris、Harris-Laplace、Laplace-of-Gaussian三种特征检测子进行理论分析的基础上，通过仿真实验对它们进行了比较，得出了Laplace-of-Gaussian检测子比其他两个检测子更稳定的结论。然后，通过对两种不同的检测子进行组合，提高了正确匹配对的数量，并且在不同的组合之间进行了比较，证明了在大多数情况下Harris-Laplace与Laplace-of-Gaussian组合比其他组合能得到更多的匹配对。其次，对简单阈值法、最近邻法、最近邻比值法这三种匹配策略进行了对比，实验表明，在相同错误率的情况下，最近邻比值法的召回率是最高的。在图像匹配的最后一步，把随机样本一致集算法（RANSAC）应用到匹配对的提纯上，在实验中得到的第一类错误率和第二类错误率都在可接受的范围内，证明了该方法在匹配对提纯上的有效性。将对抗性优化方法用于图像匹配中的去除误配，容易将正确匹配对也移除，尤其是在迭代次数较多的时候。针对该缺陷，限制对抗性优化方法的迭代次数，并增加后续处理过程，以类似RANSAC的方法来重新估计单应性矩阵。实验结果表明，改进的方法能保留几乎所有正确匹配，并且具有更小的均方根误差。尤其是在计算速度方面，改进的方法比原方法的计算时间缩短了一半以上。