图像特征检测与匹配是计算机视觉领域的基础研究问题。目前,传统算法虽已处于理论成熟期,但也面临复杂自然场景中遮挡、阴影、相似性纹理以及光照变化一系列挑战,其根本原因之一在于传统图像数据的低可计算性。为突破二维图像的低可计算性瓶颈,光场成像技术采用四维参数化方法获取空间光线的位置和角度信号。基于光场成像理论,本文提出了光场对极平面图像的特征检测、描述与匹配算法。与传统方法不同,本文在光场对极平面图像中构建梯度方向直方图来检测峰值分布,并分别从空间域和角度域对特征点进行描述。本文主要研究工作如下:（1）本文通过分析光场对极平面图像空间,在像素点的3*3邻域内构建梯度方向直方图,提取具有较大峰值的关键点,并根据关键点与邻域内其他像素点的对比度大小,保留对比度更大的稳定关键点。（2）本文提出了三维局部特征描述符。以HoG特征描述算法为基础,本文从水平角度域、垂直角度域及空间域,分别采用特征点局部邻域构建164维的特征描述子。为了加强特征描述符的性能,本文在空间域加入尺度不变性描述向量,以应对特征的尺度变化。（3）本文提出了基于加权相似性度量的特征匹配方法,通过向量夹角余弦计算特征向量的相似性,并对水平角度域、垂直角度域以及空间域的特征向量进行权重分配,以提高特征匹配的精确性。对比传统方法SIFT、HoG算法和两种现有光场特征检测算法,在真实和虚拟场景光场数据上的实验结果表明,本文提出的光场对极平面特征检测、描述与匹配算法能够显著提高特征检测重复率和特征匹配精确率。