目前,获取图像的方法越来越丰富,得到图像的数量也在不断增多,近几年数字图像处理方面的研究工作受到了大量学者的关注,一些图像处理的基础研究工作也随之变得重要起来。在很多应用领域中,数字图像作为一种新产生的数字化信息而被应用,因此有更多的图像需要进行处理。图像匹配作为图像处理中的一项基础性的研究方向而受到了颇为广泛的关注。图像匹配问题无论是在目标跟踪、人工智能、人脸识别还是在计算机视觉等应用领域中,都是个需要被解决的关键问题,然而,解决这个关键问题的一种有效方法就是利用一些包含图像中重要结构信息的特征点来建立图像间的变换关系。但是这种方法存在着一些难点,比如怎样才能准确地提取出足够稳定的特征点,并且构建出对光照、尺度、遮掩、旋转、噪声和视角等变换都具有很好的鲁棒性的特征描述子。由此可以看出特征的提取和描述在计算机视觉和图像处理中属于基础环节,并且图像处理的效率和处理结果的准确性都是由特征检测算子的检测性能和特征描述算子的表针性能直接决定的。怎样选择合理的图像特征描述子来使得这些特征不仅具有良好的表针性能,而且在上述变化下能够保持不变就成为了一个至关重要的问题。本文对已有的图像不变特征的检测和基于特征描述的图像匹配算法进行了分析和总结,提出了一种快速旋转不变的图像匹配算法。利用传统的SIFT算子检测特征点,通过设置合理的参数来保证特征点的稳定性和数量,然后根据特征点周围邻域内的局部不变特征来构建一个旋转不变特征描述子。本文提出的这个局部不变特征就是具有旋转不变性质的中心对称局部二值模式(Rotation Invariant CS-LBP ),它是通过对传统的局部二值模式(LBP)修改得到的。在得到特征描述向量后,利用适当的相似性度量方法来确定点对之间的匹配关系,从而实现两幅图像的匹配。将新方法和传统的SIFT方法在不同的数据上进行实验,通过对比实验结果,可以看出新方法具有较好的性能,尤其是在存在较大角度旋转的情况下。