随着科学技术的不断发展，图像匹配在人类的生产生活中扮演的角色越来越重要。图像匹配即是通过对影像内容、结构、特征、纹理、关系及灰度等的对应关系、一致性和相似性的分析，快速寻求相似影像目标的方法。图像匹配技术涉及到的应用领域非常广泛，如工业检测、飞机导航、地形匹配、武器投射系统的制导、气象预报、资源分析、交通管理、医疗诊断、文字识别等等，并在各个领域中都体现出了它的核心作用。本文基于SIFT算法和KD_TREE数据结构，首次提出了图像快速匹配系统的概念，并进行了详细的系统设计和模块划分，实现了系统的功能设计和逻辑划分，同时实现了多张图片的同步匹配，对图像快速匹配的研究具有重要意义。SIFT（Scale-invariant feature transform）算法在1999年由D.G.Lowe提出，并在2004年得到了完善和总结。SIFT算法对于图像的尺度和旋转保持不变性，对视角变换、噪声等也保持一定程度的稳定性，因此，它可以对图像的特征点进行很好的提取。在已有的相关研究中，研究重点基本上都集中在对单张图片特征点的提取算法上，比如SIFT算子、SUSAN算子、Harris算子以及GLOH、SURF等基于SIFT的特征点提取改进算法。甚至在有些论文中，将特征点匹配的相关研究也一并放在SIFT算法里。本文在SIFT算法的基础上提出了一种利用KD_TREE数据结构对图像特征向量进行存取图像快速匹配系统设计，对图片特征点的提取和匹配进行了功能模块设计和实现，同时，从整体上对系统的实现流程进行了详细设计和说明，最终实现了对多张图片的同步匹配功能，并在很大程度上降低了系统开销，提高了系统的匹配效率。本文将匹配系统划分为四个功能模块，并分别进行命名，即特征向量参数管理（FVPM）模块、特征向量数据管理（FVDM）模块、特征向量提取算法（FVEA）模块、特征向量匹配算法（FVMA）模块。FVPM模块主要负责系统参数设定，FVDM模块主要负责对提取出来的特征向量进行存取，FVEA模块主要负责对图片中的特征点进行提取，FVMA模块主要负责对图片的特征向量进行匹配。系统一方面实现对源文件夹的学习功能，另一方面实现对待匹配图片的匹配功能。文章最后对系统进行了测试，得到了测试结果，并对测试结果进行了分析，基本实现了系统设计的功能。