空三角摄影测量中,航线上重叠像片依靠像片连接点进行拼接操作。连接点的提取和匹配是本论文研究的主要内容,特征点提取和匹配是图像处理和机器视觉的核心内容,被广泛应用于目标识别,立体成像,动态追踪等领域。在摄影测量领域,特征点匹配技术也占据着重要的位置,其效果直接影响测量精度。近年来,随着图像获取设备的性能提升,计算机性能的进步,为实现实时处理图像特征点算法的实现奠定了基础。本文归纳总结了几种经典的图像特征点提取算法及其优缺点。并在此基础上提出了扩散递归算法来寻找高密度特征点区域,通过对左右图像上的高密度区域间进行匹配得到对应关系来校准图像几何位置,使整体匹配算法具有尺度不变性功能。研究主要内容如下:1、在比选目前主流的特征点提取算子:SIFT、Harris、Fast、Moravec等,总结各个算子的优缺点基础上,结合数字摄影测量图像匹配的要求,选取Harris作为特征点提取算子。2、提出了基于特征点密度的区域提取算法。将图像根据尺寸划分网格,根据特征点数量确定高密度网格单元,研究扩散递归算法将连通在一起的高密度单元提取出来形成高密度区域。对立体图像间高密度区域间进行匹配,根据匹配出结果对图像进行几何位置校准。3、提出了自相关筛选基准图像中特征点的算法,找到差异性最大的特征点,作为个性点,并对该个性点进行匹配。4、根据特征点相关性参数,进行一元二次函数最小二乘法拟合,实现特征点的亚像素级匹配。5、编制图像匹配程序,对研究成果进行实验分析。