针对航拍图像高维度、高分辨率、尺寸大等特点,本文提出了一种基于HSI颜色空间的哈希学习图像匹配算法HSI-H(HSI-Hashing),实现对高分辨率航拍图像的快速匹配。该方法首先从人眼视觉角度出发,将原图像转换至HSI分量图像后进行特征点检测并形成多特征描述子;然后,以类间与类内散列度信息构建哈希目标函数,完成哈希函数训练;最后利用哈希函数将高维特征描述向量变换为二进制哈希编码,在汉明空间中完成快速匹配。本文的主要研究内容包括:(1)针对SURF、SIFT等传统算法在进行特征检测时多基于灰度信息,图像颜色或边缘信息容易被忽略从而造成漏匹配。因此,本文提出将原RGB图像变换为HSI图像,使色调、饱和度及亮度信息能够充分利完成特征选取与描述,为有效利用航拍图像丰富的边缘信息,边缘非极大值抑制M-NMS方法被提出,大大提高了特征点选取的准确性。(2)为提高特征表达能力,一种基于HSI颜色空间的局部多特征描述子被提出。在H分量上提取平均方向特征,S分量上提取梯度特征,I分量上提取平均强度特征,形成高鲁棒性的特征描述向量。通过Precision-Recall曲线和匹配分数实验对描述子性能进行验证。(3)为实现高维特征描述子的快速匹配,通过哈希函数对其进行二进制编码映射。首先,为确保不同类别的样本点更加独立,而同一类别关联性则越强,即类间散列度更大,类内散列度更小,基于此构建哈希学习目标函数;其次,为加速算法参数确定,通过谱松弛、拉格朗日乘子及相似度信息实现投影矩阵与偏置阈值确定。(4)为保证欧式空间到汉明空间的相似性,一种基于汉明距离和欧氏距离的最小化距离误差损失函数被提出,针对各分量图像设置汉明匹配阈值。算法最后利用标准数据库和真实无人机航拍图像对本文提出的航拍图像匹配算法的有效性进行验证,以及通过对航拍目标和一般目标图像进行三维重建,对算法通用性和鲁棒性进行验证。