现如今,图像匹配技术作为一项支撑技术,已被运用于多个邻域,如遥感图像匹配、运动目标检测与跟踪、图像拼接、文本识别等,因此,如何实现精准与快速的图像匹配具有重要的研究意义。随着图像匹配技术的发展,设计基于特征的具有良好不变性和鲁棒性的图像匹配算法逐渐地成为研究的热点。同时,随着对匹配准确性、实时性,以及存储空间要求的不断提高,新的匹配算法被相继提出,ORB (Oriented FAST and Rotated BRIEF)算法就是其中的一种典型算法。在保持基于局部不变特征匹配算法的特性的同时,ORB算法还提高了匹配速率。然而,由于ORB算法是基于局部特征的匹配算法,用局部邻域的信息对特征点进行描述,因此获得的描述子具有一定的局限性。在光照、旋转等干扰因素的影响下,ORB算法容易因特征点周围邻域灰度变化相近而产生特征点错匹配的现象。基于此,本文提出了基于空间特征点分布描述符的改进ORB算法(SFPDO算法)和基于相对全局形状描述符的改进ORB算法(RGSDO算法)。具体工作如下：1.针对ORB算法误匹配的现象,本文提出了一种基于空间特征点分布描述符的改进ORB算法(SFPDO算法)。该算法利用两幅图像中相同区域的某一特征点邻域空间内特征点分布的相似性原理,将对空间特征点的分布情况描述加入特征点的描述符中。在进行特征点匹配时,通过空间特征点分布描述符与ORB算法特征点描述符的协同作用削弱特征点描述符的局限性,从而减少了误匹配的特征点个数,提高特征点匹配的准确率。2.通过研究图像边缘形状在图像匹配中的作用,提出了另一种基于相对全局形状描述符的改进ORB算法(RGSDO算法)来改进ORB算法的误匹配现象。该算法将Canny边缘检测算子与ORB算法相结合,在进行特征点匹配时,首先利用Canny检测算子检测出特征点圆形邻域内的边缘点个数,计算出特征点圆形邻域内边缘点所占的比例值,再将该比例值带入特征点相似度测量的条件中,即将特征点邻域内的相对全局形状描述符与ORB算法特征点描述符相结合,通过两者的协同作用,提高特征点匹配的准确率。