特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广-泛。所使用的特征基元有点特征明显点、角点、边缘点等、边缘线段等。[2-4]
7应用编辑
图像匹配在遥感（制图更新），以及计算机视觉应用程序。由于广泛的应用到图像匹配可以应用，这是不可能开发出的各种用途最优化的一般方法。
医疗用图像注册（对于同一患者在不同的时间点获取的数据，例如变化的检测或监测肿瘤）往往还包括弹性（也称为非刚性）注册，以应付这个问题的变形（由于呼吸，解剖学上的变化，等）。医学图像的非刚性注册也可以用于注册的患者数据，以解剖图谱，如塔莱拉什图谱用于神经成像。
它也被用在天文对齐截取的空间图像。上的一个图像使用控制点（自动或手动输入），所述计算机执行变换以使主要特征对准的第二图像。
图像匹配是全景影像创作的重要组成部分。还有，可以实时地执行，运行在诸如相机和照相手机的嵌入式设备的许多不同的技术。[1]
8不确定性编辑
有一定程度的不确定性与登记有任何时空差异的图像相关联。一个自信的登记与不确定性的度量，是许多重要的变化检测应用，如医疗诊断。
在遥感应用中的数字图像的像素可以表示几公里的空间距离（如NASA的陆地卫星图像），一个不确定的图像匹配可意指一个解决办法可以是从地面实况几公里。几个显着的论文都试图量化在图像匹配中的不确定性，以便比较结果。然而，许多方法来量化的不确定性或推定的变形是计算密集的，或只适用于有限集的空间变换的。[1]