一直以来,研究者们都将图像的匹配视为数字图像研究中的一个重点和难点。针对图像的特征点进行提取与匹配是进行图像匹配的一种方法。SIFT(ScaleInvariant Feature Transform,即尺度不变特征转换)算法是在图像特征点的提取与匹配领域中具有里程碑意义的算法,在包含医疗设备、卫星遥感图像分析、资源勘探以及机器人地图感知与导航等方面都有着深入的应用。图像增强技术即根据研究者的需求,将图像的细节进行扩展以便于观察研究的技术。图像增强技术发展迅速,方向众多,应用广泛,且技术相对已经比较成熟,应用于土地规划、气象预报、军事监视、工业自动化、公共安全等各个领域。论文首先介绍了图像匹配的研究意义、SIFT算法的发展历史,然后重点介绍了SIFT算法的基本原理和核心步骤,根据SIFT算法存在的耗时长、匹配精度较差等不足,针对性的进行了改进,并利用实验验证了改进算法的优越性。之后从图像增强发展的几个重要方向介绍了几种常用的图像增强方法,对它们的使用场景与优缺点进行了简要的分析,并据此提出了将图像增强技术与SIFT算法相结合的思想,并提出一种新的图像增强方法,利用实验进行了对比和验证。最后,设计实现了基于图像增强技术的图像匹配与融合系统,实现了本文所做工作的集成化,图像增强与改进SIFT算法的结合,使得系统能够得到更好的特征点质量以及匹配效率,在图像匹配的应用场景下关键点提取与匹配步骤使用从而获得更优的效果。