图像匹配是非常重要的建立导航。然而,大多数图像匹配方法不考虑现实世界的退化,如图像模糊;因此,图像匹配的性能往往大大减少。最近的方法试图解决这个问题,利用两阶段框架优先采取图像去模糊,然后执行图像匹配,是有效的,但在很大程度上依赖于图像去模糊的质量。一个新兴解决这个困境的办法,共同执行图像去模糊和匹配,利用稀疏表示在探索去模糊和匹配之间的相关性。然而,这些方法获得稀疏表示原始像素空间之前,不充分考虑图像模糊的影响,从而可能导致之前稀疏表示的不准确的估计。幸运的是,我们可以从图像中提取pseudo-Zernike时刻与模糊不变和之前获得一个可靠的稀疏表示模糊不变的空间。动机的观察,我们建议联合图像去模糊和匹配方法与模糊invariant-based稀疏表示(JDM-BISR)之前,之前获得稀疏表示的鲁棒模糊不变的空间而不是原始像素空间,从而可以有效地提高图像去模糊和质量的图像匹配的准确性。此外,由于pseudo-Zernike时刻的维数远低于原始图像特性,我们的模型还可以提高计算效率。大量的实验结果表明,该方法执行有利对先进的模糊图像匹配的方法。