随着科技的飞速发展和时代的不断进步，计算机视觉技术已成为国内外学者们一直研究的热点，被广泛应用于自动驾驶、智能监控、物体运动追踪、目标识别等多个领域，而图像匹配作为计算机视觉中的关键技术，是许多图像分析与处理任务的前提，也是倾斜摄影测量过程中的重要步骤。尽管目前已有许多实时性较好、计算量较小、适应性较强、稳定性较高的图像匹配算法，但仍存在对光照变化敏感、图像匹配的准确率在光照有较大变化的场景下明显降低等问题，因此，研究一种对光照变化鲁棒性更好的图像匹配算法具有十分重要的现实意义。
　　本文主要探讨如何提高基于特征点的图像匹配算法在不同光照变化场景下的匹配准确率。论文首先对图像匹配技术的相关原理作了基本介绍；接着从图像匹配算法的分类中，深入研究了七种经典的基于特征点的图像匹配算法（SIFT、SURF、BRISK、ORB、FREAK、KAZE、AKAZE），并结合三种具有较强光照不变性的改进LBP特征（中心对称LBP、旋转不变LBP、旋转不变等价LBP），给出了三类光照鲁棒性更强的改进算法；最后设计了在六种不同光照变化场景下的仿真匹配实验，通过实验分析证明了论文的三类改进算法在六种场景下的匹配准确率均能有效提高，且运算速度仅稍低于原始算法。