图像匹配技术是众多学科研究的前提和基础,其研究成果在图像配准、图像分类与检索、目标检测、立体视觉以及三维重建中被广泛的应用。多年来,诸多学者从各个方面对图像匹配算法进行研究,而图作为一种有效的数学描述工具,它在清楚的表达图像结构的同时还可以保存区域间的关系,图的构造是基于邻域信息的相对关系,因此基于图所构造的谱特征对线性亮度变化和单调亮度变化具有不变性;谱特征近年来在图像匹配上得到了广泛的应用。本论文主要研究基于距离度量的谱特征匹配算法,下面是所研究的主要内容和成果:1、提出一种基于欧氏距离谱特征的图像匹配算法。为了提高基于谱特征的图像匹配算法的精度和鲁棒性,该算法首先利用图像特征点的邻域灰度信息提取描述特征点属性的谱特征;其次,将以谱特征描述的特征点作为节点,节点的谱特征之间的欧氏距离作为边构造属性关系图,将图像匹配问题转化为图匹配问题;最后,引入最大池匹配策略获取图匹配结果。经过实验可得,本章所提出的算法提高了基于谱特征的图像匹配算法匹配精度,并对出格点具有较高的鲁棒性。2、提出一种基于马氏距离谱特征的图像匹配算法。针对欧式距离度量不能公平地反映数据样本各维度分量之间的潜在关系,而导致匹配精度和稳定性较差的情况,文中所提出的算法中用马氏距离代替欧式距离进行度量。该算法首先利用马氏距离在子特征点集上构造局部无向加权图;接着对图的关联邻接矩阵进行奇异值分解,用特征值向量构造描述特征点集属性的马氏距离谱特征;然后根据马氏距离谱特征构造出匹配矩阵,并利用贪心算法得到图像特征点之间的匹配关系;最后,为了进一步的提高基于马氏距离谱特征的图像匹配算法精度,本文中利用支持向量机学习的方法来剔除其中的错误匹配点对。经过实验可得,该算法提高了谱特征匹配的正确率,当图像中存在出格点时匹配算法的鲁棒性较高。3、提出一种基于双曲线型距离谱特征的图像匹配算法。采用马氏距离的匹配算法虽然提高了匹配精度,但马氏距离线性变换的局限性导致它不能描述样本潜在的非线性关系,限制了其实际应用的范围。为了进一步拓宽基于谱特征的图像匹配算法的应用,该算法首先引入对样本数据具有更好适应性的双曲线型几何,并根据数据统计特性定义了一种双曲线型度量矩阵,从而给出了双曲线型距离度量;对于图像中每一个待匹配的特征点,根据其余特征点到该特征点的双曲线型距离选择子特征点集并构造无向加权图,然后利用双曲线型距离计算图的关联邻接矩阵,通过谱分解获取描述特征点属性的双曲线型距离谱特征;最后,利用双曲线型距离谱特征的相似性来构建匹配数学模型,并引入贪心算法求解该模型来获得匹配结果。实验结果表明,该算法提高了谱特征匹配算法的精度和鲁棒性,同时适用于更多的图像变化场合。