SIFT算法是一种基于尺度空间的,对图像缩放、旋转甚至仿射变换依然保持不变性的特征匹配算法。但经典SIFT算法的特征描述子由灰度图像生成,忽略了颜色信息,造成图像的匹配性能下降。目前,出现了多种针对彩色图像SIFT算法,如HSV-SIFT、OpponentSIFT、W-SIFT和RGB-SIFT等。这些彩色图像SIFT算法都是通过分别计算三个通道的128维特征向量,然后合成一个3*128维的特征向量,最终完成彩色目标匹配。但在光照变化时这些算法匹配效率普遍不高,而且它们的特征向量维数远远高于经典SIFT算法的128维,时间大大增加。针对现有的基于彩色图像的SIFT算法匹配时间过长和匹配性能较差的缺点,论文提出了一种基于颜色量化矩阵的SIFT特征描述方法,即CQM-SIFT。首先由HSV颜色模型中的色调、饱和度和亮度量化生成颜色量化矩阵,然后由该量化矩阵生成128维的SIFT特征描述子,然后进行特征点的匹配,最终实现彩色目标匹配。实验结果表明,该方法与流行的彩色图形SIFT算法相比,在光照变化,旋转变化,大小变化和综合变化的情况下均能取得较好匹配性能和较快的匹配速度为了进一步降低匹配时间和提高CQM-SIFT的特征描述子的鲁棒性,将PCA应用于CQM-SIFT的特征描述子,提出CQM-PCASIFT特征描述方法。通过对每个特征点的颜色描述子进行PCA变换,将CQM-SIFT的128维特征向量降至36维。实验结果表明,该算法在光照变化,旋转变化,大小变化和综合变化的情况下均能有效提高匹配性能和减少匹配时间。