由于数字图像研究的要求和必要性，图像匹配被认为是关键，必要且复杂的点，尤其是对于机器学习而言。根据其便利性和便利性，最适用于图像特征点提取和匹配的算法是加速鲁棒特征（SURF）。尺度不变特征变换（SIFT）算法的增强功​​能提高了算法的有效性，并提高了可能性，同时该算法的应用正在当前的计算机视觉系统中得到应用。在这项研究工作中，SURF算法的目的是提取图像特征，并且我们结合了RANSAC算法来过滤匹配点。使用相关的图像改进方法将图像并置并确定实验。提出了基于SURF算法的融合改进技术的思想，以达到匹配效率更高的特征点质量，针对不同特征图像采用适当的图像改进方法，并通过实验进行比较和验