图像匹配指针对不同拍摄条件不同拍摄视角下获取的两张或多张图像，找到图像间的空间变换，建立图像间的对应关系，进而使得图像对准和匹配的过程。在一些应用中，也可以定义为：将某一目标图片和模板中的图片进行对准和匹配的过程。在目标跟踪、三维重建、文字识别、人脸识别，医疗图像处理、气象图像处理等计算机视觉领域中，图像匹配是其中很关键的一个环节。基于特征的图像匹配技术的基本思路在于提取出图像中的能够包含图像有效信息的特征，然后对这些特征进行描述和匹配，且要求该过程对图像的旋转变化、灰度变化，非刚体变换，噪声及其它因素具有一定的稳定性。本文在分析总结了基于特征的图像匹配算法的基础上，提出了基于SC算法的改进算法。首先，简化了特征点的提取算法，使用了提取骨骼的算法代替了原来的提取轮廓的算法，减少了特征点点集的数量。然后，对特征点进行聚类分团处理，在保证了特征点信息可靠性的同时，减少了用于匹配的特征点的数量。接着，使用TPS迭代算法，反复迭代运算，最终实现两幅图像的匹配。在文章的最后，对本文算法和SC算法进行对比实验，从噪声干扰、旋转变化、非刚体变换等方面比较了它们的性能，对比了运算的速度和准确率。测试结果表明本文算法在匹配的速度和匹配的准确率上都优于SC算法。