1、“.....因而也有人称影像匹配为影像相关。它是图像融合目标识别目标变化检测计算机视觉等问题中的个重要前期步骤，在遥感数字摄影测量计算机视觉地图学以及军事应用等多个领域都有着广泛的应用。由于原始像片中的灰度信息可转换为电子光学或数字等形式的信号，因而可构成电子相关光学相关或数字相关等不同的相关方式而由于可运用于多个领域中，影像相关所匹配的对象也是多种多样的，如卫星遥感影像航空摄影影像近景摄影影像等，这些原始数据往往都不是理想的数据源，因此要针对各种特点选择合适的算法进行匹配。基于解释的影像匹配技术需要第页后在高分辨率下对图像的细部进行匹配，其结果减少了迭代时落入局部最优点的可能性，又提高了匹配运算速度和精度，已成为目前的前沿课题之。复合匹配算法的研究。由于拍摄环境复杂多变，现有的算法在些方面都有不尽人意的缺陷，尚且没有种算法能解决所有的影像匹配问题......”。

2、“.....对不同特征进行匹配会得到不同的结果。将多个特征多个算法融合与集成可以克服单个特互补，提高匹配的适应性。基于解释的特征匹配方法的研究。同的结果。种算法能解决所有的影像匹配问题。影像的不同特征反映了影像不同的信息，对不同特征进行匹配会得到不部分内容简介图像进行全局匹配，然后在高分辨率下对图像的细部进行匹配，其结果减少了迭代时落入局部最优点的可能性，又提高了匹配运算速度和精度，已成为目前的前沿课题之。复合匹配算法的研究。由于拍摄环境复杂多变，现有的算法在些方面都有不尽人意的缺陷，尚且没有种算法能解决所有的影像匹配问题。影像的不同特征反映了影像不同的信息，对不同特征进行匹配会得到不同的结果。将多个特征多个算法融合与集成可以克服单个特征和算法的局限性，实现多特征多算法优势互补，提高匹配的适应性。基于解释的特征匹配方法的研究。基于解释的影像匹配技术需要第页共页建立在图片自动判读的专家系统上......”。

3、“.....尚未取得突破性进展。研究目的与意义影像匹配技术是图像处理计算机视觉和数字摄影测量中相当重要的门技术。它的应用领域相当广阔，如航空图像分析，立体视觉，自动地图，运动分析以及影像的特征恢复等。巡航导弹末制导采用影像匹配来确定导弹准确的位置对来自多个传感器的图像进行融合时，首先需要进行影像之间的配准在立体视觉中，为了得到图像的深度图，需要寻找场景中同点在两幅图像中的共扼对，这同样是影像匹配研究的内容。影像匹配在近几十年来直是人们研究的热点和难点，影像匹配技术已经是计算机视觉和图像处理领域中项非常重要的工作，对其进行深层次的研究已经是刻不容缓的工作。由于影像之间存在复杂多变的成像畸变，因此影像匹配技术是个非常困难的课题。在影像匹配的过程中，既涉及到图像校正特征描述等中等处理过程，还涉及到图像的高层匹配识别等方法。所以，对它们进行研究，具有理论和实践双重意义......”。

4、“.....最初的影像匹配是利用相关技术实现的，因而也有人称影像匹配为影像相关。它是图像融合目标识别目标变化检测计算机视觉等问题中的个重要前期步骤，在遥感数字摄影测量计算机视觉地图学以及军事应用等多个领域都有着广泛的应用。由于原始像片中的灰度信息可转换为电子光学或数字等形式的信号，因而可构成电子相关光学相关或数字相关等不同的相关方式而由于可运用于多个领域中，影像相关所匹配的对象也是多种多样的，如卫星遥感影像航空摄影影像近景摄影影像等，这些原始数据往往都不是理想的数据源，因此要针对各种特点选择合适的算法进行匹配。但般来说，无论是光学相关电子相关还是数字相关，所第页共页匹配的对象也有不同，但其理论基础都是相同的。影像相关是利用互相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号......”。

5、“.....计算二者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。即以影像信号分部最相似的区域为同名区域，同名区域的中心点为同名点。这也是自动化立体量测的基本原理。同名点的确定是以匹配测度为基础的，因此定义匹配测度是影像匹配最首要的任务，基于不同的理论或不同的思想可以定义各种不同的匹配测度，因而形成了各种影像匹配方法及相应的实现算法。常见的基于像方灰度的影像匹配算法有相关函数法协方差函数法相关系数法差平方和法差绝对值和法最小二乘法等，基于物方的影像匹配算法有铅垂线轨迹法另外还有基于像方特征的跨接法影像匹配，金字塔多级影像匹配，等。常用的影像匹配方法可分为两种基于影像灰度匹配的影像匹配算法和基于影像特征的匹配算法。基于影像灰度的影像匹配基于影像灰度的影像匹配算法以左右相片含有相应影像的目标区和搜索区中的像元的灰度作为影像匹配的基础，利用种相关度量......”。

6、“.....影像匹配可以用二维的窗口，也可用维的窗口按核线排列的像元灰度参与计算。维相关时，搜索仅在维方向进行，具有计算量小，精度好的特点。基于灰度的影像匹配方法中，以最小二乘影像匹配算法精度最高。设两个随机变量和分别代表左右两张数字影像中的个的像元灰度阵列，和像元灰度阵列的均值用下式计算。第页共页和像元阵列灰度的方差为常用的相关算法协方差两个相应和阵列像元灰度之间的协方差由下式可得协方差的两个影像灰度阵列为相应匹配影像阵列，其中点即相应像点。相关系数的两个像元灰度阵列为相应匹配影像阵列，其中点即为相应像点。第页共页基于影像特征的角点提取算法图角点提取算法局部对比分析表两种算法中参数选择实验结果分析表明......”。

7、“.....第页共页表实验结果分析表多基线普通数码影像的匹配由于近景摄影拍摄距离较近，较大拍摄视点变化会引起目标构像变形较大，而且不同的视点会导致目标的背景不同，因此常规的单基线立体匹配的可靠性和精度较低。根据计算机视觉中多目视觉原理，采用短基线多摄站的拍摄方式，并且利用多基线立体匹配技术可以很好地提高像点匹配的可靠性和精度。多基线立体匹配技术具有以下特点方面由于相邻像片之间的基线较短，影像变形相对较小，有利于自动化匹配的顺利进行另方面由于非相邻像片之间也具有较大重叠度，利用相邻像片的同名点进行匹配传递可以获取具有多度重叠的同名点。显然，通过这种匹配技术获取的每组同名点具有大量的多余观测，可以大大提高模型点坐标计算的可靠性和精度。多基线普通数码影像的量测应用多基线算法是近景摄影测量的种特殊算法，它可以充分发挥影像的多重覆盖优势，提高像点匹配的准确性和可靠性及多光线立体定位的精度和可靠性......”。

8、“.....随着数字摄影测量学的发展，国内外的学者基于多基线普通数码序列影像，采用数字近景摄影测量或计算机视觉技术做了大量的实验以进行目标的三维形态量测，主要包括古建筑重建和文物保护医学重建工业量测等。这些所需要的技术有的是在特殊的环境下利用更多的硬件设备多台相机或旋转平台等来完成，有的需要利用足够多的现场控制点来参考定位定向解算。这在无法布置过多的控制点的外业近景摄影测量作业过程中，以上方法仍然具有较大局限性。因此基于多基线普通数码序列影像的近景摄影测量还存在许多急需解决的问题，例如如何使普通数码影像具有更精确的定向结果如何提高多基线立体匹配的可靠性如何对空间分布大控制条件少的第页共页近景目标进行快速准确地空间量测。多基线影像匹配研究的目的与意义针对普通数码相机用于量测目的时，其获取的相片有很多缺点，如，不能准确提供相机的内方位元素，像片的畸变差比较大等特点......”。

9、“.....下面主要研究基于多基线普通数码影像，采用立体量测方法，利用多基线立体匹配技术获取较高精度的待定点模型点数据，通过光束法平差进项目标空间定位的技术，主要包括普通数码相机的标定像对的相对定向多模型拼接多基线立体匹配策略基于普通数码影像的区域网光束法平差以及无控制点条件下的自由网平差。该技术可实现对数码相机的量测化，提高模型点的像点匹配的准确性及可靠性，并可通过多基线影像在少量的控制点条件下进行光束法整体解算以完成对那些空间分步大控制点少的近景目标的三维形态的量测。多基线立体匹配方法多基线影像由于其重叠度高相邻影像间几何特征的透视变形差异较小非常有利于同名点在相邻影像间的匹配传递。具体的匹配方法如下被匹配点的确定在序列影像中任选影像作为匹配基准影像，在其上画出匹配区域，在匹配区域内按照定的采样间隔确定被匹配点，匹配时可按行或列记性逐点匹配......”。