大仿射场景的混合特征提取与匹配算法的本质就是提取多种局部稳定不变特征,由于单一算法在尺度、仿射、光照和旋转等变换都存在的情况下,无法获得较多局部稳定特征,因此需要将能够提取稳定特征的算法进行融合,取长补短,以便能够获得更多的稳定匹配对。本文就是将基于格网划分的最大稳定极值区域算法与仿射尺度不变特征变换算法进行融合,以区域特征的匹配参数来作为点特征匹配的约束条件,进而得到大量的正确匹配对。首先,本文阐述了图像的成像模型及图像的二维几何变换的相关理论,并且着重阐述了仿射变换的原理及仿射不变量,介绍了局部不变特征提取及特征匹配的相关算法。针对本文提出的问题,验证通用的特征提取与匹配算法无法解决此类问题,并对这些算法的实验结果进行了分析。基于本文的算法融合的思想,阐述了最大稳定极值区域算法,并且对该算法进行了改进,通过对图像进行格网划分,利用极值区域的信息熵来判断区域信息的丰富程度,进而剔除低丰富度的极值区域,并且使得区域特征在图像中分布均匀,之后对该算法的结果进行了对比分析。然后,本文重点阐述了基于多特征融合的特征提取与匹配算法。检测稳定的不规则区域特征,将其拟合为椭圆,经过格网划分的特征筛选之后,求得正确匹配特征对间的几何关系,作为点特征匹配的约束条件。在此同时检测点特征,利用约束条件去除误匹配后与区域特征正确匹配对混合,能够获得较多正确匹配对,之后利用多组图像对该融合算法进行了测试,并且对结果进行了对比分析。最后,阐述了 CUDA并行优化技术,对多特征融合的特征提取与匹配算法进行了并行优化,并对优化结果进行了对比。最终通过实验证明,在不影响结果精度的情况下,并行优化处理能大幅提升算法的运算效率。