航空摄影从诞生至今已经有近百年的历史,随着科学技术的进步与发展,航空摄影已经在各个的领域内得到广泛的应用与拓展。航空影像的拼接是影响航空摄影测量成果应用质量的关键,影像拼接即将航空影像的同一场景中有相互重叠的部分进行识别,以将航空影像拼接成一幅与实际地物的位置关系相接近,失真较小的,没有明显缝合线的高分辨率影像。影像拼接的质量主要依赖于影像的匹配精度,而能够快速高效的完成图像的匹配算法是现代化发展所需要的。然而由于航空图像成像的自然场景比较复杂,并且容易受成像条件和环境误差的影响,所以图像之间就可能存在着多种多样的成像畸变,这就使得影像匹配方法始终是一个值得研究的课题。目前在航空影像匹配算法中主要分为两类算法,基于图像灰度的提取算法以及基于图像特征的提取方法。基于图像灰度的提取算法直接利用图像的灰度值进行匹配,可以充分利用图像的信息,然而其对图像之间的细微差别非常敏感,抗噪声及其它干扰的能力较差,且所需处理的信息量较大,难以满足实际工作的需求。基于图像特征的提取算法充分利用图像特征信息,匹配定位精确,匹配后的特征点坐标有着一定的物理意义,可以直接用于计算图像之间的空间变换关系等优点。本文对基于图像特征的提取算法展开研究,发现尽管许多基于特征点的匹配算法都较为优秀,但还没有一种特征点算法,可以在实际工作中同时兼顾匹配的稳定性及高效性。针对以上问题,为了获取具有实物意义及分布较为均匀的特征点,提高匹配效率及匹配精度的需求,在通过比较分析现有图像匹配算法的基础上,采用结合FAST、Harris、SIFT三种算法各自的优点,提出基于改进后的FAST算法与单尺度SIFT描述子结合的方法;以及基于改进后的Harris算法来提取精确的特征角点与单尺度的SIFT描述子结合的方法;最后利用最邻近、次临近距离比值法进行图像的匹配。实验分析表明,在航空影像匹配中,本文的匹配方法在保留了两种算法优点的同时,与SIFT算法相比,有着匹配效率高,可靠性强的优势。