随着计算机与摄像机技术的发展,基于图像的古建筑三维重建已广泛应用于数字考古、智慧城市建设等方面。但由于古建筑结构精巧、采集环境复杂等问题,基于图像的古建筑三维重建结果精度较低、鲁棒性较差。特征匹配作为基于图像的三维重建过程中的一个关键步骤,其匹配精度和效率直接影响古建筑三维重建的结果。本文结合古建筑图像特征间的几何结构信息,采用网格多密度聚类分析方法,对古建筑图像特征匹配中存在的误匹配率高、匹配鲁棒性差等问题进行了深入研究,为古建筑三维重建提供了有效的技术支持,其主要研究成果包括:1.针对特征匹配过程中因古建筑重复纹理导致特征误匹配率高的问题,结合聚类思想,将局部外观描述子SIFT与特征几何信息融合,提出一种基于网格多密度聚类的古建筑图像特征匹配方法FM＿GMC。该方法首先对古建筑图像进行网格划分并计算出网格单元密度;其次依据网格局部密度相似性确定特征点聚类簇;然后依据NNDR准则在对应特征点聚类簇内完成特征匹配;最后利用古建筑图像集,实验验证了算法FM＿GMC的效率与鲁棒性。2.针对特征匹配中所采取的度量函数过于单一导致特征匹配鲁棒性差的问题,结合古建筑图像特征点的局部描述子信息、特征点间的空间几何信息以及特征点邻域内的图像灰度信息,提出一种加权多度量的古建筑图像特征匹配方法WSM。该方法首先根据改进的FM＿GMC算法得到初始对应特征聚类区域;其次采用Canny算子获得对应聚类区域中的边缘特征,并对Canny边缘特征点进行SIFT特征描述;然后采用加权策略分别对相应簇内的特征点的相似性进行Hausdorff距离、欧氏距离、NCC度量;最后,利用古建筑图像集,实验验证了算法WSM的鲁棒性和有效性。3.基于FM＿GMC和WSM方法,以晋祠古建筑图像为对象,设计并实现了一个基于网格多密度聚类和加权多度量的古建筑特征匹配原型系统FMS。该原型系统主要包括图像预处理、特征提取、网格多密度聚类、加权多度量特征匹配等功能。系统运行结果表明,采用网格多密度聚类和加权多度量方法,可有效的提高古建筑特征匹配效率,从而进一步为古建筑三维重建提供技术支持。