图像匹配能将待匹配图像变换到原有图像的坐标系中，在各种视觉任务中起着重要的作用。基于特征的图像匹配算法能够在图像中匹配到一些更具区分度的特征，与其他图像匹配方法相比，其具有高精度、高灵活性、高鲁棒性等特点。针对传统特征匹配算法匹配稀疏的问题，提出一种基于改进深度特征匹配算法的密集特征匹配方法。首先，通过VGG网络提取图像的一系列特征图，在初始特征图进行最邻近匹配计算单应性矩阵并进行视角变换；然后，基于特征图的频域匹配特点进行深层特征图融合，用于特征粗匹配；最后，基于粗匹配的结果在浅层特征图上进行特征细匹配用于校正特征匹配的结果。实验结果表明：所提算法提升了特征匹配的精度和匹配的特征数量。

瓷绝缘子在配电线路中应用广泛, 受长期机电应力与户外恶劣环境影响, 在运行中易发生劣化。红外热像法是一种重要的劣化绝缘子带电检测方法, 具有检测方便、安全高效和非接触式的优点, 已成为线路巡检的重要手段, 但劣化绝缘子热像特征不明显, 肉眼识别易出现误判。为此, 本文首先对配电线路瓷绝缘子进行温度场仿真分析, 然后提出了一种劣化绝缘子红外热像检测方法, 采用多尺度模板匹配算法定位识别绝缘子, 获取绝缘子红外图像中的坐标参数, 并对其进行分割提取, 通过最小二乘线性拟合提取绝缘子表面温度。结合相关标准与仿真分析结果, 通过同类比较判断法对比多个绝缘子温度状态的差异, 实现劣化绝缘子检测。

针对天基序列星图配准存在的效率和精度问题, 提出了一种天基序列星图高精度在轨实时配准方法。对基准图和待配准图进行分块, 通过预设搜索框的方式, 采用归一化相关系数匹配法, 获得整像素精度的子图匹配结果; 对该结果的小邻域进行二次曲面拟合, 获得亚像素精度的匹配对点; 使用单应变换模型求解星图的变换关系, 完成单帧星图的配准; 使用基于末帧的窗口滑动方式, 实现序列星图的连续实时配准。实验结果表明, 所提方法可以避免恒星质心提取误差和天基平台长时间运动对配准精度造成的影响, 相比标准的块匹配, 对于16位4096×4096的真实天基星图, 所提方法的子图匹配计算效率提升98.7%, 配准时间缩短了89.0%, 单帧配准的峰值信噪比平均提升了将近0.20; 所提序列星图的连续配准方式, 速度达到了0.040秒/帧, 配准结果的峰值信噪比为6.765, 能满足高精度和高实时性要求, 通过适当移植优化有望应用于后续的天基平台的弱小目标检测。

针对目前图像匹配算法在月面宽基线、弱纹理和光照变化等条件下匹配成功率低的问题，提出基于视图合成与全局注意力的月面图像匹配方法。首先对同站点月面双目图像使用稀疏视差虚真值训练立体匹配网络，完成同站点图像的三维重建。基于场景深度，结合站点之间惯导先验位姿将待匹配图像转为新的合成视图用于匹配，解决不同站点宽基线图像对之间图像重叠度低、视角变化大等问题。进一步使用基于Transformer的图像匹配网络，提高弱纹理场景下的图像匹配性能，并在后处理阶段引入考虑平面退化的外点滤除方法。在真实月面宽基线图像数据集的结果表明，相比现有算法，提出的匹配算法大幅度提高了宽基线场景下的月面图像匹配精度与成功率，为月球车大跨度行驶中的自主视觉定位提供了重要基础。

针对无人机图像匹配时间较长的问题, 提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点, 它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点, 从而提高算法的速度。同时, 为了弥补FAST算法在高斯差分金字塔上搜索的不足, 使用了基于Ostu和GA的图像分割算法对图像进行分割, 对分割图像构建高斯金字塔, 在高斯金字塔上进行特征点搜索。实验结果表明, 与传统的SIFT算法相比, 改进算法提高了无人机图像匹配的速率和正确率。

针对图像匹配中AKAZE（Accelerated-KAZE）算法匹配精度较低以及计算复杂等问题，提出了一种基于高斯滤波和AKAZE-LATCH（AKAZE-Learned Arrangements of Three Patch Codes）算法相融合的图像匹配算法。首先，对输入图像进行高斯滤波预处理，去除高斯噪声等连续性噪声，并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子，再通过KNN（K Nearest Neighbors）算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选，得到最终的匹配结果。经实验对比，所设计的算法相较于AKAZE算法匹配精度更高，且具有良好的鲁棒性和可靠性，可用于多数复杂场景下的图像匹配。

针对现有图像匹配算法追求匹配精度，而一定程度上忽略匹配速度下降的问题，设计了通道注意力和特征切片描述网络（CAFSD），并将其与快速特征点检测算法（ORB）结合，进而提出一种精度和速度均衡的图像快速匹配算法。首先利用通道注意力对ORB获取的图像块进行初步全局特征学习，接着将初步特征描述子切片，再对每个特征切片进行特征学习和二进制化，最后重新拼接得到二进制特征描述子，减少了传统二进制编码的冗余问题。此外，设计了复合损失函数进一步减少描述子二进制化造成的信息损失。实验结果表明，所提算法的匹配性能和处理速度优于大部分其他二进制匹配算法。

为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配, 忽略了图像的结构信息, 使其存在较多的误匹配的问题, 本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于 Forstner算子计算像素点的兴趣值, 以检测图像的特征; 计算图像的梯度信息, 获取图像的方向值, 并切割图像特征的圆形邻域, 从而获取扇形子域; 以图像的方向值为基础, 通过计算扇形子域中的灰度不变矩, 输出对应的特征向量; 引入区域方差函数, 获取图像的结构信息, 将其加入至图像特征的匹配过程, 以约束欧式距离的测量结果, 实现图像特征匹配; 最后利用匹配点间的几何不变特性, 对匹配特征去伪求真, 优化匹配结果。测试数据表明: 相对于已有的匹配技术, 在对无变换图像、缩放图像以及旋转图像匹配时, 所提算法拥有更高的匹配准确度, 分别达到了 96.56%、95.38%和 93.52%。

由于卫星遥感合成孔径雷达（SAR）与可见光图像之间存在显著的非线性辐射差异，故现有的SAR与可见光图像配准算法存在实时性差、旋转与尺度不变性弱等问题。针对目前算法只关注图像局部特征的外观信息，而忽略几何结构信息的问题，提出了一种结合卷积与图神经网络（GNN）的SAR与可见光图像匹配方法。该方法采用卷积神经网络进行特征检测与描述的同时，引入了GNN进行特征匹配。与最近邻匹配算法仅利用局部描述符信息相比，GNN先将特征点的位置坐标嵌入到描述符中，使得描述符具有几何位置信息，再利用注意力机制进一步聚合特征描述符的几何上下文信息，最后利用可微分的最优传输算法直接输出特征点的匹配结果，保证了网络可进行端到端的训练。实验结果表明：所提方法在大范围旋转与尺度变化的配准任务上，获得了最先进的性能；与目前主流配准算法辐射不变特征变换相比，所提方法在提升匹配精度的同时，计算速度也提高了50倍以上。