结构化场景图像的纹理较为单一, 可提取的局部特征较少。在宽基线情况下, 基于图像局部特征的匹配方法很难获取正确匹配, 导致匹配精度降低。为此, 提出了一种以图像局部特征匹配为基础进行配扩展的方法。匹配扩展时, 将图像中线段的两端点作为匹配的基元, 利用线段两端点在不同视点间的共线性和对极约束限定候选匹配的搜索空间, 剔除错误匹配, 进行匹配关系的传播。实验结果表明: 当图像存在一定的尺度和视点变化以及明显的光照变化时, 该方法能够有效地增加匹配的数目, 为精确的极线几何估计和三维重建奠定了良好的基础。

提出了一种图像中心和纵横比的简易标定方法。控制相机绕光轴进行旋转并分别成像, 通过旋转前后图像之间的对应点, 推导出图像的主点和纵横比的闭式方程, 方程中仅包含图像的中心和纵横比, 去除了与其它相机参数之间的耦合, 其结果可以进一步用于畸变参数、外部参数和焦距的估计。分别进行了仿真图像和实拍图像实验, 实验结果表明, 此方法是可行的, 能够实现较精确的图像中心和纵横比的估计。

镜头畸变是影响测量精度的关键因素之一。非度量镜头畸变校正方法直接将图像物理坐标系下的镜头畸变模型应用于图像像素坐标系, 忽略了非单位纵横比的情况。通过对成像过程进行分析, 得到了更精确的像素坐标表示的镜头畸变模型, 对现有的镜头畸变模型进行了修正 , 考虑了纵横比对镜头畸变的影响 。通过实验,对新模型的可行性进行了验证 , 实验结果表明, 新的模型能够有效地提高了测量精度。

研究了加速鲁棒特征(SURF)描述符的局部邻域划分方法, 以降低该描述符的维数, 提升基于SURF的图像匹配算法的匹配速度和鲁棒性。参考尺度不变特征变换(SIFT)描述符和SURF描述符已有的各种邻域划分方式, 将SURF描述符的局部邻域分为栅格状(原SURF划分方式)、三角形和扇形进行分析。首先, 分析了图像的尺度和旋转变化对这3种邻域划分方式描述符匹配性能的影响; 然后, 提出了构建三角形划分和扇形划分SURF描述符的方法; 最后, 进行了匹配实验, 对8种不同划分方式的SURF描述符进行了比较。结果表明: 扇形划分SURF描述符的性能要优于三角形划分和栅格划分SURF描述符, 其中6扇区、8扇区、12扇区及三角形划分的SURF描述符的性能均比SURF描述符有一定程度的提升, 描述符的维数与原SURF描述符(64维)相比分别低了40维、32维、16维和32维。

为了能够在星图存在旋转角度情况下，自动快速地完成星图匹配，提出了一种基于不变特征描述符的旋转不变匹配方法，将加速鲁棒特征(SURF)描述符应用于星点特征的描述和匹配。首先，对星图进行图像分割，抑制非极大值，并检测星点；然后，为计算星点分布尺度因子s，在半径为6s的圆形邻域内为每个星点计算主方向，之后将20s×20s的邻域与主方向对准，并在该邻域内为每个星点计算SURF描述符。最后，基于透视投影模型的匹配策略，提纯星点，计算匹配星图之间的变换矩阵。实验结果显示，该方法能够鲁棒地提取星点，并在图像存在旋转、平移及部分视角变化的情况下完成星图匹配，仿真实验的匹配星点的误差均在1 pixel以下，实拍星图实验的匹配星点的误差均在1.5 pixel以下，表明为每个星点建立描述符，进行匹配识别的思路是可行的。

为了实现图像的自动匹配，提出了一种新的SIFT 匹配策略。首先，给定一个基本的欧式距离最小值与次小值的比率值，对SIFT 特征对进行判断，得到粗匹配集合。然后，统计粗匹配对的主方向角度差直方图和最小欧式距离直方图，以主方向角度差落入直方图峰值所在邻域和最小欧式距离小于直方图主峰所对应的距离值作为匹配条件进行精匹配。最后，统计精匹配对的比率直方图，以欧式距离最小值与次小值之比小于直方图主峰所对应的比率值作为控制条件，剔除误匹配。实验结果表明：在待匹配图像有一定程度的视点、光照、旋转、比例变化等情形下，该方法具有稳定、可靠的特点。该方法能自动选择匹配阈值，实现无人工干预的自动匹配。