SIFT匹配算法是由DavidLowe在2004提出的，该算子是一种对影像旋转、缩放、噪声以及仿射变换保持不变性的影像尺度空间局部特征描述算子，由于其各种良好的不变特性在图像匹配中得到广泛的应用.在该算法中，特征点描述符的相似性度量大多采用欧氏距离(Eulidean distance)，而在目前诸多学者提出的距离测度中除欧氏距离外还有其他应用较为广泛的如城市距离(City block distance)、棋盘距离(Chebychev distance)、闵可夫斯基距离(Minkowski distance)、马氏距离(Mahalanobis distance)、余弦距离(Cosine distance)、相关距离(Correlation distance)等.文章首先使用具有对亮度和对比度的变化不变性和旋转不变性Harris角点检测算子提取影像特征点，然后计算特征点的描述符，最后采用这7种距离用于特征点描述符的相似性度量.在实验过程中分别统计7种距离测度在最近邻/次近邻比值取值从0.3至0.9的匹配结果，实验结果表明：7中距离测度中综合性能最好的是城市距离，其次是棋盘距离，而欧氏距离与余弦距离由于计算耗时以及误匹配点较多其综合性能并不是最好.因此，在实际的SIFT匹配算法中，特征点描述符相似性度量应采用基于城市距离或棋盘距离的测度准则，而不是欧氏距离或余弦距离.