随着科学技术的突飞猛进,图像分类技术已经成为计算机视觉领域的一个热点,其中基于局部特征的图像分类在越来越多的领域得到广泛的应用。局部特征算法缺乏足够的普适性,在不同领域上进行实际应用时,都需要进行相应的调整与改进。本文通过对局部特征图像分类技术的研究和分析,提出了基于图像检索与匹配的SURF算法（RM-SURF）,并将其应用于子弹弹壳的图像分类上,实现了子弹的溯源。由于弹壳图像数据大规模采集难度大,训练数据较少,本文首先对弹壳图像进行了数据增广技术的研究。针对弹壳在实际应用中会出现残缺、形变甚至是只剩下局部碎片的情况,分别采用了如下方法进行数据增广:在原有图像的基础上,对目标图像进行随机裁剪,使原始弹壳图像在弹壳位置随机产生缺失,实现了弹壳残缺图像和碎片图像的数据增广;通过对黄铜材质弹壳的材料性能分析,利用ANSYS仿真工具进行仿真实验,得到不同压力下弹壳形变的大小,并通过压力实验对弹壳进行实验验证,基于此结合正弦波曲线及图像液化技术,实现了弹壳形变图像的数据增广;同时还对弹壳图像进行了常规技术的数据增广,如添加噪声、旋转等。丰富了训练数据集,为后续的研究工作奠定基础。其次本文将图像检索、图像匹配的理论和SURF算法相结合,并在此基础上提出了基于局部特征的图像分类方法RM-SURF算法。该方法针对SURF算法易产生错误匹配的问题,结合弹壳图像特点,引入自适应阈值约束最近邻的比值,进行双向匹配,并在匹配完成的基础上,结合相似性对比技术实现弹壳图像的分类。针对RM-SURF算法对微小弹壳碎片图像分类准确率不稳定的问题,引入余弦约束方法,进一步改进相似性对比技术,实现了准确率稳定的目标。实验结果表明,在匹配阶段,RM-SURF算法的匹配正确率较传统的SURF算法提升2.8%;在分类阶段,RM-SURF算法分类准确率较传统的分类算法提升17.1%。在实际工程应用中,本文的分类结果是后续工作模块的输入数据,正样本在分类结果中保留比例是影响后续工作的重要因素,因此本文提出K-保留率评价指标,即相似性最高的前K类图像类别中包含正样本的比例。通过实验得到,RM-SURF算法的保留率为97.9%（K=3）,满足实际工程需要。