图像的特征点提取和匹配是计算机视觉应用中的一个重要组成部分,本文研究的重点是对光场相机曝光得到的多视角平面图像进行特征匹配。其中,光场相机是通过记录光束方向数据信息原理成像,没有复杂的聚焦系统,具有操作简单、拍摄速度快的特点,可广泛应用于多个视点的立体图像显示和安防监控等领域。所以,本文的这项研究不仅是图像三维重构的基础,也是光场相机能够实现“先拍照,后对焦”的关键技术应用。到目前为止,实现指定图像对特征匹配的方法有很多种,基本组成分别有图像特征点检测、特征描述和图像匹配三个部分。本文围绕这三个方面分别做了不同的研究和探索,详细内容如下：第一步,图像特征点检测。常用方法有基于图像边缘信息的特征检测方法、基于角点信息的检测方法和各种兴趣算子,但传统的检测方法均存在计算量较大,耗时长的问题,本文针对此问题采用了一种基于图像灰度信息的特征检测方法——FAST算子,该方法结合决策树理论有效改善了提取图像特征点的速度问题。第二步,特征描述。特征点描述是根据BRIEF描述子对检测到的图像特征点进行一种局部的表达形式。由于BRIEF描述子不具备旋转不变性,所以文中先对FAST检测算子赋予一个方向,然后对特征描述子进行局部特征描述,生成一个含有方向信息的二进制串数组。第三步,特征匹配。度量特征相似性的方法有很多,本文通过最邻近搜索的方法寻找欧氏距离最近的特征点对,该方法的计算量较小,实验结果表明,本文的匹配效率较高,速度较快。通过仿真实验验证,本文基于ORB的最邻近搜索匹配算法与经典特征匹配算法相比较,具有较高的匹配准确率,较快的计算速度,这对光场相机处理捕捉的大量阵列图像的计算上有很大的优势。