SIFT算法是目前国内外特征点匹配研究领域的热点和难点之一。本论文在介绍SIFT特征提取方法的基础之上，重点研究了车牌图像字符的SIFT特征点在图像退化中的演变情况。由于车牌图像字符区域含有丰富的SIFT特征，因此对于不同大小、不同倾斜度、不同尺度以及含有噪声的车牌，都能提取出其稳定的SIFT特征点。在论文中，首先利用模拟数据做实验。从标准车牌字符库取几个标准字符来组建成一个模拟车牌。对模拟车牌图像进行人为退化，主要研究对图像添加高斯白噪声、下采样以及加边框对SIFT特征点的影响，得到SIFT特征点在图像退化过程中的演变情况，可以得到在图像退化到什么程度时仍能保证STFT特征点存在，即容忍度。经实验，对于大小207*68的模拟车牌，在噪声方面添加25.99%的高斯白噪声和在尺度上缩小两次为其容忍度。然后利用多个实际车牌做实验得到进一步的结论。根据摄像头拍摄到的视频截取车牌图像，归一化车牌图像大小为207*68，对其进行添加高斯白噪声和下采样等的处理，获取其SIFT特征点与标准字符库中的字符做匹配。实验证明，对于大小207*68的车牌图像，在噪声方面添加12.46%的高斯白噪声和在尺度上缩小两次为其容忍度。最后论文介绍了SIFT特征匹配方法在图像复原中的应用。首先通过拍摄照片或录像进行采集图片，然后图像经过预处理，进行快速车牌定位得到车牌区域，再将车牌字符分割出来依次进行字符识别，最后输出清晰车牌。经过实验证明，利用字符SIFT特征点匹配来进行车牌图像复原是一种有效的图像复原方法。