影像特征匹配是摄影测量与遥感领域一个基础且至关重要的问题,其目标是从两张或者多张具有重叠区域的影像中提取可靠的同名特征。影像匹配技术不仅在摄影测量与遥感中具有十分重要的应用,其应用还广泛分布于计算机视觉、人工智能、机器人视觉、医学图像分析等领域,一直是各领域的热点研究问题。然而,影像匹配尤其是遥感影像匹配仍然存在许多难点问题。比如,大几何与大辐射畸变会致使经典匹配算法性能大幅降低,难以满足日新月异的实际应用需求。因此,研究更加有效、普适、鲁棒的影像匹配算法具有十分重要的应用价值与理论意义。分析传统影像特征匹配方法,可知要实现普适的鲁棒性影像匹配,需解决三个难点问题:(1)特征匹配方法对各种几何与辐射差异的抗性问题;(2)更加高效鲁棒的匹配点粗差剔除模型构建问题:(3)非刚性形变或者大几何畸变影像匹配问题。本文正是从这三个方面出发,提出了针对各个问题的新算法,并将其应用于多模态影像匹配、大几何畸变影像配准以及高粗差比例点集匹配等问题,大量的实验结果验证了本文各种方法的有效性与鲁棒性。本文主要研究内容如下:首先,针对传统特征匹配算法如Scale-invariant feature transform(SIFT)算法对非线性辐射差异十分敏感的问题,深入研究了辐射不变特征匹配方法。传统经典方法通常利用灰度信息或者梯度信息来进行特征的检测与描述,而无论灰度信息还是梯度信息,都对非线性辐射差异较为敏感。因而,所提方法利用相位一致性图层替代灰度图像进行特征检测;同时,采用log-Gabor卷积序列的最大值索引图替代梯度图进行描述特征。所提方法不仅极大地提升了特征点检测的稳定性,还还克服了梯度信息对非线性辐射差异敏感的局限性。大量实验结果表明:所提方法性能不仅远远优于经典特征匹配方法,而且比目前效果最好的多模态影像匹配方法更加鲁棒与灵活。其次,针对大几何畸变的影像匹配问题,提出了一种结合无参(non-parametric)与有参(parametric)思想的特征匹配方法。该方法主要包含有四个方面的创新:第一,引入了支持线投票策略将点匹配问题转化为线匹配问题,增加匹配约束;第二,构建了基于自适应直方图的支持线描述子,用于支持线的可靠性匹配,该描述子对局部几何畸变具有较好的鲁棒性;第三,引入了仿射不变比率作为局部几何约束来进一步提纯匹配点集,并利用局部仿射变换对匹配点集进行扩展,寻找尽可能多的潜在高精度匹配点对;最后,建立了影像对之间的格网仿射变换模型,并应用于近景影像或者带畸变影像的配准问题,能够有效减轻重影现象。所提方法同时适用于刚性与非刚性形变影像的匹配问题,在空中全景测量与倾斜摄影测量中具有较大应用价值。再次,引入了lq(0<q<1 估计子来构建更加鲁棒的匹配点粗差剔除模型。为了有效优化该非凸非平滑函数,通过扩展拉格朗日函数进行方程改写并采用交替方向乘法子(ADMM,alternating direction method of multipliers)对问题进行简化分解。本文还给出了一种非随机采样方法来提升算法运行效率。实验结果表明:lq(0<q<1)估计子能够可靠地处理高达80%的粗差点,其运行效率大大高于RANSAC类方法。然后,针对lq(0<q<1)估计子对参数敏感的问题,采用带尺度因子的Geman-McClure权函数对其进行改进,提出了加权lq(0<q<1)估计子。该方法采用由粗到精的迭代加权最小二乘(IRLS,iteratively reweighted least squares)策略,大大减小了其收敛于局部最优解的可能性。实验结果显示:Geman-McClure加权&估计子对参数变化非常稳定,并且对粗差比例更加鲁棒,可以稳定地处理多达90%的粗差点,极大地增加了该方法的实用价值。此外,本文还将该加权&估计子推广到了相机外定向(后方交会)和绝对定向中。最后,给出了本文所提方法的一些应用实例,并利用这些实例来验证本文方法的正确性与实用性。主要包括:(1)光学影像与点云深度图匹配进行纹理映射;光学影像与手绘图匹配进行地图上色;(2)将支持线投票与仿射不变比率方法应用于城区倾斜影像,进行倾斜影像的稀疏三维重建;将所提格网仿射变换模型应用于近景影像或带畸变影像的配准任务中。(3)将加权lq估计子与同步定位与建图(SLAM,simultaneous localization and mapping)技术相结合,进行室内环境精细建模;利用加权lq估计子进行三维点云配准。