对影像的理解是摄影测量与遥感的重要研究内容之一,影像匹配是影像理解的前提和重要组成部分。目前,影像匹配得到了较为深入的研究,一些影像匹配的算法(如SIFT、SURF等)已经成功的应用到一些商业软件中。然而,随着大数据应用的需求增多,越来越多的遥感影像数据被应用到大数据挖掘之中,而多源影像匹配给传统影像匹配方法带来了挑战。再者,摄影测量和遥感的观测对象也由人口密集的居民区转向无人区(如荒漠,戈壁,森林等)。由于该类影像纹理的特殊性,也给影像匹配带来了一定的困难。同时,影像误匹配的检测一直是影像匹配过程中的重要一环,虽然有诸多粗差检测算法可以探测到大多数的误匹配点,然而对于特殊纹理影像和多源遥感影像匹配而言,匹配粗差又表现出新特点(匹配粗差数量多,比例高),传统方法往往不能奏效。虽然影像匹配算法的研究和应用卓有成效,然而很少有人从摄影测量与遥感影像应用的角度出发来评价匹配质量。本文围绕以上问题,提出一种基于图论的影像匹配方法,旨在解决特殊纹理影像以及异源遥感影像(包括多时相遥感影像)的匹配和误匹配自动剔除问题。同时提出一种匹配质量评价体系,用以比较传统的描述符匹配算法与基于图论的影像匹配算法的优缺点。本文的主要工作和创新点如下:(1)系统的阐述了当前影像匹配的主要算法,将影像匹配分成四个基本层次,即点特征匹配、线特征匹配、面特征匹配以及关系匹配。针对不同的特征匹配层次,列举了代表性的算法,并分析该算法的主要特点。(2)提出了一种系统的影像匹配质量评定方法。影像匹配的最终目的,是从影像的辐射信息中重构影像的几何信息。因此,几何精度是影像匹配质量的第一生命线。本文深入到影像匹配的各个环节,考虑每个环节中涉及的因素对最终几何精度的影响,将影像匹配的质量评定分为两个部分:特征点的质量和描述符的质量。特征点的质量评价由四部分组成:效率、空间分布、重复率以及定位精度。描述符的质量评价由三部分组成:匹配召回率、匹配正确率、匹配精度、匹配点的空间分布以及正确匹配点的数量。利用该评价体系,对目前主流的特征点和特征描述符的质量做定量评价,以期为应用做指导。(3)提出一种基于图论的影像匹配方法。首先利用点特征提取算子提取一定数量的分布较为均匀的特征点;然后利用特征搜索算法将立体像对中左右影像的特征数量限制在一定范围内;接着将影像特征点构成图,并利用关系张量描述图的节点之间的相似度。最后利用张量的幂迭代算法计算关系张量的主向量,从而得到特征点之间的匹配关系。基于图论的匹配算法在特殊纹理影像中,匹配召回率约为40%;而在多源遥感影像的匹配中,匹配召回率达到了 50%,同时其他匹配指标较传统的描述符匹配也有较大的提升。(4)提出一种基于图论的匹配粗差探测方法。由于图的关系张量中包含了特征点之间的几何关系,很容易从中找到不变量。受选权迭代法的启发,提出一种迭代的基于图的关系张量的粗差探测方法。该方法将匹配点视为一个带属性的图,图中节点的属性表示其他节点对该点的支持度。每次迭代去掉一个属性值最低的节点,直至整个图的平均节点属性值保持稳定。基于关系张量的粗差探测方法,较经典的RANSAC算法,具有更高的正确检测率(检测结果中,检测出的粗差点与总体粗差点的比值)和更低的误检率。模拟实验表明,基于关系张量的误匹配探测算法的正确检测率为100%(即能检测出所有的粗差点),而误检率仅为3.5%。基于上述研究内容,本文实现了一种基于图论的影像匹配算法,并利用所提出的影像匹配质量评价指标,对比分析了本文算法与经典的SIFT、SURF、ORB、BRISK、LIOP、MROGH、NG-SIFT、OR-SIFT 以及 GOM-SIFT 等特征匹配算法之间的优缺点。