基于局部特征点的图像提取与匹配算法是计算机视觉的一个主要研究方向,它是图像拼接、视频拼接、虚拟现实等领域的一个重要组成部分。在实际应用中,待匹配图像会有一定的尺度差异,因此匹配算法的特征点提取和描述符建立均在尺度空间中进行的。尺度空间的构建方式主要分为两种:第一种使用SIFT算法借助高斯卷积核函数,但函数会导致图像的边缘模糊,致使特征点提取和描述符构建的稳定性下降;第二种使用KAZE,AKAZE算法通过非线性扩散滤波构建金字塔,算法在平滑图像内容的同时更好地保护了边缘信息。针对KAZE算法M-SURF浮点型描述符,AKAZE算法M-LDB描述符匹配速度较慢,传统的二进制描述符根据两像素之间的关系建立的描述符鲁棒性不佳,易受光照、尺度、噪声的干扰等问题,提出AKAZE/KAZE算法与LATCH描述符结合的AKAZE/KAZE-LA TCH算法。LATCH描述符借助三个像素块之间的关系进行编码,鲁棒性更强。将AKAZ E/KAZE-LATCH算法在公开数据集中测试,算法的匹配正确率及匹配速度比原KAZE和AKAZE算法有显著提升,适用于对匹配速度和精度要求较高的场景。针对鲁棒性要求较高的场景,基于KAZE算法提出累积稳定性投票的ASV-KAZE算法。算法首先利用KAZE算法在非线性尺度空间中检测特征点,再对特征点描述符建立多层尺度空间,将两两不同层的尺度空间描述符做差并求差值的绝对值,同时设定阈值处理描述符,将所有尺度对的描述符稳定性值累加得到第一阶段的ASV-KAZE(1M)整型描述符;最后再为ASV-KAZE(1M)描述符设定阈值,将第一阶段描述符二进制化得到第二阶段的ASV-KAZE(1M2M)描述符。将ASV-KAZE算法在公开数据集中测试,实验表明ASVKAZE(1M)描述符和ASV-KAZE(1M2M)描述符对模糊变换、光照变换、视角变换和JPEG变换等图像,具有较强的鲁棒性,但匹配速度欠佳。该论文有图31幅,表2个,参考文献55篇。