基于局部不变特征的图像匹配算法近年来受到广泛重视,成为图像处理、三维重构、目标识别与跟踪等科学研究领域内的热点,也被广泛的应用在包括工业检测领域、交通管理领域、军事领域、社会生活领域等多个领域中。近年来,随着社会生活和日常工业生产的自动化需求的急速增长,图像匹配被日益广泛的应用到工业生产和日常生活中,越来越受到人们的重视,因此,图像匹配算法的研究具有十分重要的意义。图像匹配算法主要有基于象素灰度信息的匹配、基于特征的匹配和基于其他理论的匹配。基于象素灰度的图像匹配有很大的图像信息需要进行处理,计算较为复杂,实时性差,且对图像的较小的变化都十分敏锐,抗噪抗干扰能力差。基于特征的图像匹配包括全局不变特征和局部不变特征的图像匹配。由于全局不变特征不容易获取以及无法区分出前景和背景,利用全局不变特征的算法很少被使用。图像的局部不变特征是指在图像的视角变化、旋转变化、尺度变换、光照变化、图像模糊和图像压缩等各种变换下保持不变的局部特征。基于局部不变特征的图像匹配的计算复杂度较基于灰度相关的算法有所降低,抗噪抗干扰能力较强。因此,本文主要研究基于局部不变特征的图像匹配算法,本文的主要内容有：首先对图像进行特征检测,目前特征检测领域中广泛使用的方法有Harris仿射法,Hessian仿射法,MSER法,DoG法,IBR法,EBR法等。综合分析以上几种特征检测算法的性能,然后是特征描述,对于特征检测得到的区域,使用局部不变特征描述子进行特征描述。其中最为经典的局部不变特征描述子有SIFT和DAISY描述子,而MROGH, MRRID, LIOP和HRI-CSLTP描述子是近年来研究最为热门和最受关注的描述子。比较这六种描述子在图像的视角变化、旋转变化、尺度变换、光照变化、图像模糊和图像压缩共六种变换下的性能曲线。然后,为了实现匹配效果的进一步提升,改进了一种基于局部不变特征的算法来进行匹配,首先在匹配过程中用角度相似性分析代替传统的欧氏距离分析法,同时改进了角度相似性图像匹配算法,设置了最小夹角、次小夹角以及最小夹角与次小夹角对应的欧氏距离的比值阂值,从而提出了一种新的匹配算法IBoAS算法。接着将IBoAS算法与其它已有匹配算法进行在六种不同描述子提取情况下的图像视角变化、旋转变化、尺度变换、光照变化、图像模糊以及图像压缩共六种变换下的匹配率和匹配速度的比较。IBoAS算法减少了计算步骤,有效的提高了图像的匹配速度,因为设置阈值删除了误匹配点,从而有效的提高了图像的匹配率。最后,将IBoAS算法应用在图像拼接上,使用安徽大学艺术楼、图书馆、博学南楼作为实物场景图进行图像拼接应用,观察比较图像拼接效果。