图像的特征检测与匹配是图像处理技术中非常重要的一部分,在三维重建、医学图像处理、图像检索等领域都有着非常重要的作用,也是现今图像领域研究的热点方向。由于在图像匹配过程中会受到很多因素的干扰,为了获取更好的匹配效果,就要从图像的获取方式、预处理、匹配精准度与效率等方面进行改进,本文主要围绕上述问题,开展了如下研究。针对光照不均图像特征检测不准确的问题,提出了一种基于纹理抑制的光照不均图像改进KAZE算法。在KAZE算法构建非线性尺度空间时,将纹理抑制算法嵌入到非线性扩散方程中,利用纹理抑制的特性,保留原图像正确的光照估计,然后对光照分量进行自适应伽马校正,将反射分量和光照分量结合恢复图像的细节和色彩,最后再对图像进行配准。仿真结果显示,改进KAZE算法能更加有效的检测出光照不均图像的特征,并且正确匹配率高于传统算法。在特征点的匹配方面,针对基于网格的运动统计特征匹配算法的准确性与实时性有待提高的问题,提出一种改进的网格运动统计特征的图像匹配算法,首先利用AKAZE算法对图像进行特征点的检测,AKAZE算法在实时性与特征检测方面有着更优越的性能,其次利用网格运动统计算法分离正确匹配与错误匹配,最后利用双重检测策略耦合算法对匹配点对进行筛选,以获取更高质量的匹配点对。仿真结果显示,改进算法在光照、压缩、模糊变化下的配准性能要高于原算法,并且同时还能保持较高的鲁棒性和匹配速度,更有利于图像的实时性检测。