中文摘要：

宽基线立体影像匹配已成为制约其三维重建实际应用的瓶颈问题，对其进行研究具有重要的理论和实际意义。本项目通过集成计算机视觉的Harris-Laplace及SIFT两类具有互补特性的尺度不变特征点，系统研究宽基线影像的快速、可靠匹配策略和方法及其物方定位精度评价问题。包括（1）在研究两类特征点快速检测的改进措施和方法的基础上，研究建立基于空间分布均衡性及尺度空间信息熵双重约束的集成特征快速、组合优化提取模式；（2）基于宽基线影像"双向全匹配"的概念和策略并综合考虑到匹配的速度和精度，分别研究基于相关系数拟合的最小二乘稀疏匹配方法及基于特征匹配的快速、可靠匹配传播策略和方法。匹配传播策略主要包括邻域尺度参数传递及仿射变形改正、基于流形学习降维的梯度形态特征描述符提取、空间分布均衡性约束及匹配点精确定位等；（3）对上述理论和方法进行系统集成及应用，构建宽基线摄影测量的三维重建应用和评价体系。

结论摘要：

本项目针对宽基线立体影像匹配中的稀疏匹配及密集匹配涉及的若干问题展开了研究。主要成果如下（1）提出了一种基于SIFT的最小二乘匹配算法。算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集，并采用基于奇异值分解（Single Value Decomposition，SVD）的SIFT特征匹配、基于SIFT特征尺度和方位信息的自适应归一化互相关(Normalized Cross Correlation，NCC)匹配获得精度较高的初始匹配点用于立体像对的基本矩阵和单应矩阵估计。然后在对极几何和单应映射的双重约束下，基于自适应NCC及距离加权的多尺度最小二乘匹配算法进行扩展匹配并同时保留匹配定位精度较高的原始SIFT特征点对。算法综合应用了基于积分影像的NCC快速计算、金字塔影像匹配等方法和策略。最后选取了实际的宽基线序列立体影像进行试验并同原始的SIFT特征匹配算法、基于SVD的SIFT算法进行了综合对比分析；（2）以上述最小乘匹配提供初始种子点，有针对性地逐次递进地设计并提出了面向不同场景类型的匹配传播算法，分别为①基于局部单应约束的匹配传播算法及其在影像配准中的应用；②在局部单应约束的匹配传播算法基础上，设计了一基于SIFT的顾及特征提取重复率的宽基线立体影像多阶段准密集匹配算法；③将提出的多阶段准密集匹配算法扩展到具有较大深度变化的复杂场景。本项目发表相关研究论文5篇，（其中SCI检索1篇，EI检索3篇）完成了既定的研究目标和任务。