图像匹配是图像处理和计算机视觉领域一直以来的研究热点,相关技术在图像识别、图像检索、目标跟踪、三维重建等图像理解和计算机视觉任务中都有着重要的应用。现有的图像匹配研究主要基于图像的局部特征展开,利用局部特征具有表征不变性和可识别性等特性建立待匹配图像特征之间的初始匹配集。考虑到初始匹配集中存在大量错误匹配,现有研究通常引入真实匹配对之间存在整体或局部一致性变换的几何约束,并采用投票、图结构优化或变换参数空间聚类等方式,遴选初始匹配集中的正确匹配。但由于图像内容的复杂性及局部性一致性量化和优化策略的局限性,现有匹配算法的性能仍难以满足具体应用的需求。本文在现有研究的基础上,提出一种基于局部结构一致性的匹配置信度评估模型,并围绕该评估方法提出一种渐进式图像匹配算法,具体来说,本文的主要工作如下:(1)提出一种基于局部结构一致性的匹配置信度评估方法。观测表明,正确匹配对在图像的局部邻域内也存在大量正确的匹配对,且多个相邻正确匹配对在不同图像上对应的特征点坐标相对拓扑结构具有图像变换不变性,而错误的匹配则不具有该特性。基于该观测,在评估给定候选匹配对置信度时,首先在一幅待匹配图像中对相邻匹配对特征点坐标与当前匹配对特征点坐标的几何结构进行建模,再将所建模型应用于其他图像上相邻匹配的特征点坐标,估算具有邻域结构一致性的特征点位置,进一步估算该位置与已匹配特征点坐标的差异,该差异显示了候选匹配在不同图像上特征点局部邻域的结构性差异,进而表明了候选匹配对的置信度。具体评估过程中,主要利用各特征点的主梯度方向和特征点坐标两个具有图像变换不变性的参数,建立线性方程来完成邻域映射关系建模。实验中利用该方法对图像初始匹配集进行错误匹配过滤,其结果验证了评估算法的有效性。(2)提出一种基于置信度评估的渐进式图像匹配算法。算法总体包括两个阶段:收缩阶段和扩张阶段。在收缩阶段,以迭代形式利用置信度评估方法检测每个匹配的可信度,不断将低置信度匹配删除,其目标是排除低置信度匹配评估和匹配遴选过程的干扰,并最终选出具有高置信度的收缩匹配集。在扩张阶段,不断在图像空间中查找现有遴选匹配集的邻域匹配对,评估这些匹配对的置信度,并不断收集置信度高的匹配对,扩充现有匹配集并提高召回率。现有标准数据集上的匹配结果表明,本章所提出两阶段的渐进式图像匹配方法有效的提高了特征匹配的性能。