本发明涉及一种基于两步可切换归一化深度神经网络的图像匹配方法，通过分析输入需要匹配的特征，然后经过新型深度神经网络训练自适应地输出匹配好的匹配对。具体地说，给定两个视图中特征点的对应关系，将图像特征匹配问题表述为二进制分类问题。然后构造端到端的神经网络框架，并结合针对稀疏可交换归一化的不同卷积层的自适应归一化器和上下文归一化的鲁棒全局上下文信息的优点，设计两步可切换归一化块以提升网络性能。所述的基于深度神经网络的图像匹配方法主要包括：准备数据集、特征增强、特征学习和测试。本发明能够提高匹配精度。