图像匹配是计算机视觉研究领域中的一个非常重要的热点问题，也是许多计算机视觉理论和应用的基础，其研究成果可广泛应用于精密工业测量、物体识别、虚拟现实、自动导航、生产自动化及军事等方面。同时，图像匹配又是计算机视觉领域的一个难点问题，许多重要的计算机视觉理论与应用都是在假设匹配问题已解决的前提下展开的。因此图像匹配算法的研究不但具有重要的理论意义而且具有广泛的应用前景。 本文对基于两视图的图像匹配算法进行了较为系统的研究，主要包括：基于极几何约束和单应约束的图像匹配、基于颜色和邻接矩阵的图像匹配、基于Laplacian矩阵的图像匹配。本文的主要研究内容及研究成果如下： 1．在深入研究极几何、单应以及基本矩阵求解方法的基础上，提出了一种基于极几何约束和单应约束的图像匹配算法，首先使用互相关法对图像特征点集进行初始匹配，然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点，最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。 2．在深入研究基于图谱理论的图像匹配方法的基础上，提出了一种基于颜色和邻接矩阵的图像匹配算法。首先结合高斯加权函数和图像特征点邻域的颜色信息构造邻接矩阵，并对该矩阵进行奇异值分解(SVD)，然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。 3．在深入研究Laplacian矩阵基础上，提出了一种基于Laplacian矩阵的图像匹配算法。首先分别构造两幅图像特征点集的Laplacian矩阵，并对这两个矩阵进行奇异值分解(SVD)，然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明，所提出的基于Laplacian矩阵的图像特征匹配算法具有较高的匹配精度。