随着计算机立体视觉技术的不断进步和近景摄影测量技术的逐步深入,以近景影像为基础进行立体视觉重现成为可能。在不使用高精度测仪器的前提下,仅通过对非量测数码照片获取树木影像,进而还原其真实三维形态,具有成本低,应用灵活等特点,因此成为越来越多研究者争相追逐的课题。本文的研究正是基于这些考虑,试图以低成本、易操作的非量测数码相机为工具,通过对获得的影像进行处理,得到树木的近景形态,并设计合理的影像匹配策略,为树木的三维可视化和立体视觉模型的建立提供最直接的数据基础。本文通过分析认为,与基于区域灰度的影像相关方法相比,基于特征的匹配方法考虑了相关影像之间存的差异或扭曲,对具有均匀亮度并且信息量贫乏具有区域也能得到较好的匹配结果。因此构建基于特征的树木影像匹配策略。其基本过程是：影像获取——图像处理——树木影像分割——特征提取——影像匹配。本文首先研究了以影像分割和特征提取为目的的图像处理方法,主要是从频率域和空间域两个方向对原始影像进行增强,使其更适合计算机识别,研究目标更加突出。而后研究的树木影像的分割和特征提取算法是本文研究的重点之一,好的影像分割方法决定了特征提取的效果,而对特征的定义和特征提取的方法为影像匹配的实现提供基本对象。本文通过对阈值法、区域生长法以及集群分类法等基本分割算法的研究分析,综合各种算法的核心优势和测度方法,设计并实现了两种基于聚类思想的树木影像分割方法,并且采用Moravec算子和SUSAN算子分别对原始影像和分割后影像进行了特征点的提取。通过对提取结果的比较,确认了两种分割算法的可行性。本文最重要的部分是针对近景树木影像,设计了并实现了两种面向过程的特征匹配策略,并采用合理的精度评价方法对匹配结果进行分析。最实验结果表明,本文设计的两种基于特征点的树木影像匹配策略能够达到较好的匹配效果和较高的匹配精度；以尺度不变特征因子作为匹配基元,在理论上更加合理,匹配结果在精度和正确率上都优于简单以特征灰度作为匹配基元的匹配方法。