在计算机视觉中的图形匹配中,恢复两幅图像之间像素点的对应关系,一直是研究的重点。而从不同视点采集的两幅图像中的同一物体空间点的对应之间存在着一定的约束关系,这就是极线几何约束关系.基本矩阵就是这种几何约束关系的数学表达。基本矩阵包含了由不同视点处得到的图像之间的重要的几何关系,描述了对应点之间应满足的极线约束条件；包含了两台摄像机之间或者单个摄像机的运动参数。准确估计基本矩阵是计算机视觉中的一个重要课题。本文分别对计算机图像匹配中所涉及的图像预处理技术,特征点检测技术以及求解基本矩阵三方面进行了较深入的研究,对各种算法进行了比较,指出了他们的优缺点,进而提出了一种改进的算法。针对特征点提取问题,分析了已有的特征点检测方法,其中SIFT算法计算时间过长,而Harris算法对噪声和图形旋转不适应,而结合两者优点的Harris-SIFT算法能够结合两个的优点,即先建立尺度空间,再用Harris算法进行特征点提取,然后再给每个特征点计算特征向量描述子。这样一方面算法的时间得到了降低,而另一方面算法的鲁棒性也得到了提高。针对求解基本矩阵方面,利用5-点算法求解出本质矩阵,然后利用基本矩阵与本质矩阵的标定关系推导出基本矩阵,同时对5-点算法中的所有解引入了反投影残差最小约束法,排除错误解,提高了5-点算法的正确率。