图像特征匹配是图像信息处理领域中极其重要的一项技术,目前已广泛应用于图像拼接、三维重建和视觉运动计算等领域。针对图像特征匹配中匹配准确性低的问题,提出一种能够更好适应动态场景和重复纹理的惯性导航辅助图像进行特征点匹配的方法。该方法首先提取前后两帧图像的ORB(Oriented FAST and Rotated BRIEF)特征;然后利用惯性测量单元的测量数据解算相机的运动,并计算第一帧图像中的特征点在第二帧图像中可能出现的区域;最后将第一帧图像中的特征点和与其对应的第二帧图像的可能区域中的特征点进行匹配,得到两帧图像的特征点匹配结果。实验结果表明,该方法的匹配准确率可以达到92%,能够显著提高图像特征匹配的准确性。

针对传统颜色传递算法只进行全局颜色传递, 未考虑图像局部特征, 出现颜色误传递的问题, 提出了一种基于Graph-Based图像分割与区域匹配的灰度图像彩色化算法。利用Graph-Based图像分割将目标图像和参考图像分割为若干个亮度和纹理特征一致的子区域。根据本文提出的思想, 认为“具有相似亮度和纹理的子区域具有相似的颜色分布”, 对目标图像和参考图像的子区域建立匹配关系, 利用亮度特征和LBP局部纹理特征对子区域进行匹配。最后, 在YCbCr颜色空间中对相匹配子区域利用亮度和纹理特征进行颜色传递。实验结果证明, 在该算法中其参考图像无需和目标图像配准, 只需特征相近, 就可以对目标图像实现全自动的彩色化技术并有效克服了颜色误传递的现象,彩色化结果图像在色彩分布和主观视觉上都有明显的提高。

特征提取和特征匹配是合成孔径雷达(SAR)目标识别中的两个关键步骤。提出了一种基于SAR目标区域匹配的目标识别方法。首先提取SAR图像中二值化目标区域；然后将其与模板库中对应的目标区域作差得到残差图像，采用欧氏距离变换对残差图像进行处理；最后利用距离变换后的残差图像构建相似度度量标准，计算当前待识别图像与各类目标的匹配度并根据最大匹配度原则判定目标类型。目标区域残差可以体现待识别目标与其他类目标之间物理尺寸的差异，因此可以根据残差的面积大小以及形状分布计算匹配度。欧氏距离变化可以较好地体现出目标区域残差的形状分布特性。基于欧氏距离变换后的残差可以更有效地反映目标区域的匹配度。采用MSTAR数据集进行了目标识别实验，验证了方法的有效性。

针对水下双目图像匹配时不再满足空气中极线约束条件以及归一化互相关(NCC)算法处理水下图像计算量大等问题，提出了一种基于最佳搜索域的水下图像区域匹配算法。对双目摄像机进行标定得到相关参数，并获取参考图和待匹配图；运用曲线极线约束计算出与空气中极线的最大偏离值，确定最佳搜索域；用NCC进行匹配，将原来的线性搜索改为在最佳搜索域中进行多行搜索，提高匹配精度；并应用盒滤波技术加速，提高匹配速度。实验结果表明，该算法达到了尺度不变特征变换(SIFT)算法的匹配精度，可以应用在整幅图中进行稠密匹配，且运算速度比原有NCC匹配算法大大提高，成功将区域匹配算法应用于水下环境中。

由于红外图像具有高噪声、低分辨率的特点，这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后，提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换，再利用变换后图像进行区域匹配.试验结果表明，相位一致性变换后的新图像，噪声得到了较好的抑制，特征更加明显.对变换后的图像采用区域匹配的方法，可以得到较好的匹配效果.

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域，用现有方法检测时易受噪声干扰，而且当摄像机有自运动时需要进行背景运动补偿。因此，提出一种新算法，即首先分别计算正差图像与负差图像，然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测，最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明：该方法可提高运动目标检测的可靠性与效率。