由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息, 当待匹配图像中存在大量形状相似区域时, 误匹配率很高。 本文对SIFT图像匹配法进行了改进, 提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象, 构造的SCARF算子利用SIFT检测子提取图像的特征点集, 通过建立同心圆坐标系, 在SIFT原有框架的基础上融入全局形状信息和颜色不变信息, 并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证, 实验结果表明: SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下, 匹配准确率优于SIFT等其他算法, 降低了误匹配的概率, 明显提高了匹配的稳定性和鲁棒性。