图像的局部不变特征具备在多种图像变换(如几何变换,光照变换等)下的不变性、低冗余性、无需预先对图像分割以及独特性等特点,已经被广泛用于图像匹配、物体识别、图像分类及图像检索等领域。在图像匹配技术中运用局部特征可以将繁杂的图像匹配问题转换为特征向量的度量问题,从而提高了算法的速度和鲁棒性。基于局部不变特征的匹配方法的基本思路一般是先检测出图像的特征点集,然后基于特征点和它的局部邻域信息生成特征向量,最后度量特征向量间的相似性来完成图像匹配问题。但是因为待匹配的图像间可能存在着几何和光照变换,或部分场景存在遮挡情况,使得对该问题的深入研究仍然是一项持久而艰巨的任务。在基于局部特征的图像匹配问题中,局部特征的提取和特征描述是非常重要的环节,特征检测子和描述子的性能直接决定了图像匹配的效率和精度。本文研究和总结了前人的科研成果,阐述了基于局部不变技术的图像匹配方法的一般流程,深入研究了一些特征提取和特征描述算法,并对其利弊进行了分析。在前人的基础上提出了两套局部特征描述的方案,并将其应用到图像匹配问题中。本文的主要工作如下：1、论述了基于局部不变技术的图像匹配方法的一般实现流程,对一些经典的局部特征检测和特征描述方法的原理、性能进行了深入分析和评价。为图像匹配过程中,选择合适的检测器和描述子提供了理论和技术支撑。2、针对单一特征引导图像匹配的准确度有限性,提出了一种同时使用灰度和边缘信息的特征描述子,该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点周围的的灰度对比直方图,其次还引入了边缘属性用来增强边缘的匹配。实验证明,该算法由于采用灰度信息与边缘信息同时引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。3、针对基于LBP的特征提取方法对像素的位置都有较强依赖性特点,提出了基于局部序列特征模式(Local Sequence Patten,LSP)的图像匹配算法。首先使用SIFT方法检测出图像特征点,然后结合扩展的LBP和直方图方法对特征点进行描述,生成特征向量,最后采用欧氏距离作为相似性度量函数进行特征向量的匹配。在标准图像库上的实验结果表明该算法计算简单快速,匹配准确率高,并且对图像中的光照、旋转、缩放以及部分视点变换具有不变性,同时还具备一定程度的抗噪能力。