图像匹配作为计算机视觉领域中不可或缺的基础工作,主要对包含同一场景的序列图像通过图像分析处理技术进行配准来确定彼此的变换对应关系,可被应用在三维重建、目标识别、立体匹配、图像检索、图像拼接等视觉领域。本文针对大视角场景下的图像匹配问题,重点研究了该场景下局部特征的提取、匹配以及估计图像之间的关系模型,主要工作和创新如下:(1)针对大视角场景下的特征匹配不准问题,提出了一种基于视角变换理论的多视角特征点检测算法。首先通过视角变换理论对输入图像构建视角空间,并结合非线性扩散滤波算法构建图像的非线性尺度空间;然后在图像尺度空间中采用基于Hessian矩阵的特征点检测算子提取图像中的特征点。实验结果表明本文特征提取算法对视角等变化具有较好的鲁棒性。(2)为了提高特征描述对视角的鲁棒性,提出了一种基于多视角信息的多视角描述子和最近邻匹配规则。首先,在多视角空间中提取特征的二值描述,然后根据描述子的变化加权生成多视角描述子,以进行初步匹配;最后,结合特征的视角相似性提出多视角最近邻匹配,得到最终匹配点集。实验结果表明,本文提出的图像匹配算法对较大视角变化具有良好的鲁棒性能。(3)为了更好地结合实际应用,得到准确的图像关系模型,提出了基于有效区域的改进随机抽样一致(RANSAC)算法。首先,基于网格快速运动统计(GMS)算法的有效区域理论,以一定的比例生成可信区域和不可信区域,有导向性地进行单应矩阵的初始化;然后,以同样方法进行先验测试,快速舍弃明显错误的模型。实验证明本文提出的算法能准确、快速地估计图像之间的单应关系。