针对KAZE特征匹配算法对视角变化敏感, 在大视角场景下不能实现正确匹配的问题, 提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上, 计算特征点邻域内的二阶梯度均值, 形成新的扩展的80维描述符; 然后利用透视变换模型对待匹配影像进行多视角模拟, 在模拟影像上提取改进的KAZE描述符, 再进行特征匹配。最后, 选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果, 利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验, 结果表明：与 KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比, 所提算法对视角变化具有更强的鲁棒性; 与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比, 本算法匹配正确率更高, 分别为PSIFT的2~10倍, ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性, 不仅对模拟影像的视角变化很稳健, 而且适用于真实三维复杂场景拍摄的大视角影像, 具有一定的实用价值。