吉长东,沈晓刚

(辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

影像特征提取与匹配技术作为计算机视觉研究的核心技术之一，一直以来就是相关行业的重点研究方向。在数字图像的处理中，许多关键问题例如图像的分类、检索、目标跟踪、恢复、重建等都可以归结为影像的本质特征提取问题，在特征提取完毕之后，则是进行同名影像的匹配，影像匹配技术是摄影测量中自动空中三角测量的基础，数字表面模型(DSM)、数字高程模型(DEM)、数字正射影像(DOM)，影像的拼接等也需要影像匹配技术的支持;乃至后续的空间数据产品的生产都是与影像匹配技术息息相关的。而影像匹配技术的大力发展，也使得以影像数据为基础的各类技术手段能够在应急指挥、国土安全、智慧城市、数字城市等方面均有广泛应用[1-3]。

最大稳定极值区域(Maximally Stable Extremal Regions,MSER)，在局部特征提取中，常常用来检测影像中的斑点区域，由J.Matas等学者于2002年提出[4]。该算法思想原理简单，提取出的特征区域具有很强的稳定性，并且不需要提前对影像进行任何处理就可以同时检测出具有不同尺度的特征区域。周鹏飞等人利用卷积神经网络提取文本影像中的多特征，与MSER算法进行融合，使得文本定位的准确率大大提高[5]。针对有些特征区域显著性不强的问题，T.Tuytelaars等研究人员对MSER提取的椭圆拟合局部特征区域做出一定程度的扩增，这使得极值区域的特征显著性明显增强，有效提升匹配的精准度[6-7]。……