图像匹配是重要的机器视觉处理技术,随着三维重建、医学影像检测、图像拼接等领域的研究发展对图像匹配技术的要求也越来越高,提出的算法也在不断被优化,但仍存在着计算复杂度高和匹配精度低的缺点。鉴于局部不变特征是提取图像内容的本质属性特征,而且提取的特征不受图像内容具体表现形式的影响,在复杂背景干扰和部分遮挡方面匹配效果很好,所以本文研究基于局部不变特征的图像匹配算法。首先分类研究图像匹配的方法,在分析对比各类方法优缺点的基础上选择基于点特征提取的方法。然后就点特征提取方法进行详细介绍和实验对比。Harris角点检测算法在运算速度、抗噪声干扰方面具有独特的优势,尤其Harris算法提取的特征点能够很好的表现物体的特征。SIFT算法在尺度变换和旋转变换方面具有很大的优势。针对Harris算法和SIFT算法的优缺点,提出一种改进的Harris-SIFT算法。首先在特征检测方面,对Harris角点检测算法加入尺度参数,构建多尺度的Harris角点检测算子,使其在保持旋转变化、光照变化和噪声变化等的不变性基础上提高对尺度变化的适应性。其次在特征描述方面,采用28维的逐层递增回字形描述符,对SIFT算法的特征描述符进行降维处理,在保证算法高匹配率的基础上大大减少匹配算法的计算量。最后在特征匹配方面,对欧式距离进行标准化,采用标准欧式距离进行相似性度量,在减少匹配时间的基础上提高算法匹配的正确率。