近年来,随着“数字地球”和“智慧城市”的建设,三维建模技术迅速发展。低空倾斜摄影测量采用多角度拍摄,可同时获取地物顶端以及侧面纹理等多方位的信息,满足三维建模对影像数据的要求。将倾斜摄影测量获取的数据应用于三维建模中,可节约三维建模成本,同时能提高三维建模的速度,在三维建模中比传统低空摄影测量更具优势。然而,低空倾斜摄影测量由于在多个角度对地物进行拍摄,影像包含复杂的三维场景信息以及更多的信息量、数据量和数据冗余,具有更大的辐射畸变和几何变形,影像中地物互相遮挡、地物阴影、视差断裂等现象也较为普遍,这些使倾斜影像匹配难度大大增加。本文针对低空大倾角立体影像自动匹配方法进行研究,结合当前计算机视觉研究热点之一的深度学习方法,提出深度学习辅助的影像匹配方法,采用深度学习方法对影像进行分类,基于分类结果进行影像匹配。研究内容主要包括:(1)提出深度学习辅助的影像匹配方法。提出一种深度卷积神经网络递归识别模型,选取影像样本对卷积神经网络进行训练,然后输入待分类影像进行分类。模型首先对输入影像进行初始识别,然后自动判别单位格网内的分类情况,并根据分类情况进行精细识别与分类,最终精确识别和定位场景目标;(2)在影像精细场景分类结果的基础上,对影像进行特征提取和匹配。以VS2008为编程平台,采用C++语言,将基于SIFT和Harris-Laplace的影像匹配算法进行实现。首先,建立影像多尺度空间,检测其中的Harris兴趣点,并采用LoG算子对其进行筛选得到特征点,采用SIFT方法进行特征描述。在搜索匹配点阶段,根据特征点所属场景类型在待匹配影像相同场景中进行搜索。从而减少匹配搜索量,提高匹配精度和效率;(3)采用本文场景分类方法以及深度学习辅助下的影像匹配方法进行实验,对实验结果进行分析。实验结果表明,基于深度学习的场景分类方法对高分辨率遥感影像场景的分类可取得较高精度的结果,配合本文的影像匹配算法,可有效增加匹配点数量、提高匹配精度和效率。