SIFT特征匹配算法通过侦测与描述影像中的局部特征,所提取的特征点描述子对图像的旋转和尺度变换具有不变性,因此在图像处理领域应用广泛,但该算法也存在一些缺点。首先,SIFT特征匹配算法通过图像的局部特征生成特征点描述子,未考虑图像的全局空间结构特征;其次,SIFT特征匹配算法未考虑图像的颜色信息,在图像的灰度空间生成特征点描述子,使得算法对图像的颜色变换不敏感。针对以上缺点,本文分别利用奇异值分解匹配算法(SVD)、概率松弛迭代算法(PRI)和综合彩色图像标准化算法(CCIN)对SIFT特征匹配算法进行改进。本文主要完成以下工作:1.利用空间上SVD匹配结果对SIFT初始匹配结果的支持度,迭代修正SIFT算法的初始匹配结果,改进其全局空间结构信息的不足。匹配结果与利用偏最小二乘法(PLS)去除误匹配之后的SIFT特征匹配结果进行比较,本文算法具有更高的匹配精度,并且不受参数约束。2.针对彩色图像易受光照变化的影响,本文首先对待匹配彩色图像进行综合标准化(CCIN)处理,去除光照变化(位置、亮度和颜色)对彩色图像的影响。然后生成对颜色具有完全不变性的SIFT彩色特征点描述子,弥补原算法中颜色信息的缺失。通过大量实验证明,本文算法提取的SIFT彩色特征点描述子对图像的旋转和尺度变换仍具有完全的不变性,相比已有的结合颜色信息的算法,本文算法提取的彩色特征点描述子具有完全的颜色不变性,经过主成分分析法(PCA)降维和PLS去除误匹配后,匹配正确率可达到90%以上。3.对SIFT特征匹配算法同时进行空间结构和颜色信息的改进,直接对所提取的SIFT彩色特征点描述子的邻接矩阵进行SVD匹配,选择全局和局部都匹配的点为匹配点对。实验结果表明,在不需要去除误匹配的情况下,本文算法具有更高的匹配正确率。