图像匹配的功能是将不同时间、不同角度、不同传感器或者不同拍摄条件下得到的两幅图像进行对应,在目标定位、视觉导航、目标识别、三维重建和图像拼接等领域具有不可或缺的地位。在图像匹配任务中,往往存在图像匹配质量满足要求,但匹配速度较慢的问题。为此,本文研究的重点是提升匹配算法速度。为了保障图像匹配的尺度不变性,需要构建尺度空间。同样,为了捕捉图像中具有代表性的信息,描述子的构建也至关重要。本文重点从尺度空间和描述子构建两方面入手,在保障图像匹配质量基本不变的前提下,对图像匹配算法进行了速度提升。主要工作如下：(1)提出了一种大尺寸图像尺度预处理的图像快速匹配算法。本算法首先分析了大尺寸图像运行速度慢的原因,并给出相应的解决方案。在大尺寸图像参与匹配之前,根据测试法、模型法或反馈法等方法确定尺度缩小比例,对图像进行缩小预处理,然后再参与匹配。实验结果表明,该算法不但能够有效地提升大尺寸图像的匹配速度,还能提高匹配精度。该算法易于与现有包含尺度变化的匹配算法相结合,进而提升大尺度图像的匹配性能。(2)提出了一种基于二进制描述FREAK的快速角点匹配算法。首先,通过构建一个简型的高斯金字塔,使FAST算法提取的角点具有了尺度不变性。然后,通过减小重叠区域,提出了一种新的FREAK描述子构建方式。大量的实验结果表明,该算法能够提升图像匹配的速度,并且能够匹配SIFT、SURF、ORB和BRISK等算法无法匹配的航拍图像。(3)提出了一种基于多项式估计式尺度空间构建和二进制描述LDB的快速匹配算法。首先,利用多项式分解构建了尺度连续的sLoG尺度空间,然后在sLoG尺度空间上进行了斑点检测。在描述子构建方面,通过添加描述子主方向以及改变特征点邻域的网格划分策略,且对网格进行二次采样,改进了二进制字符串描述子LDB的构建方法,以期提升描述子的差异性和构建速度。大量的实验结果表明,本章算法的匹配速度能够达到实时性要求,并且具有较好的匹配性能。