提出了一种将主元分析应用在尺度不变特征变换(SIFT)的图像配准算法.SIFT算法具有匹配能力强，提取特征稳定的特点，能够处理图像间发生平移、旋转、仿射变换、视角变换、光照变换情况下的匹配问题，是实现差异较大的图像间进行图像配准的理想算法.针对SIFT算法采用128维特征向量表示，当在图像特征点较多情况下进行匹配实验时，存在存储空间大、匹配耗时多等缺点.文本首先从用户定义的感兴趣区提取特征点来达到降低算法复杂度的目的；然后用主元分析法(PCA)对多维特征向量进行降维处理，提高运算效率；最后采用高斯加权欧式距离代替欧式距离进行特征点的匹配.实验结果表明，算法具有较好的稳定性、准确率和匹配速度，可应用在基于内容的图像与视频检索等机器视觉领域.