曹明兰，李亚东，2，李长青，赵小平

（1.北京工业职业技术学院，北京 100042；2.北京林业大学 精准林业北京市重点实验室，北京 100083）

无人机搭载可见光相机可获取高重叠率大比例尺的航空影像，具有成本低、尺度大、操作简单等优势，已在森林计测领域得到了广泛应用[1]。影像匹配是数字摄影测量的核心技术之一[2]，是无人机航空摄影数据处理的基础。影像匹配可细分为特征检测、特征描述、特征配对3 个步骤：1）根据特征算子的定义方式检测到特征点；2）将检测到的特征点描述成具有可比对性的高维向量；3）利用K-d 树(K-dimensional binary search trees，K-d 树)[3]等搜索算法将像对间的同名特征点进行配对，并利用RANSAC(Random sample consensus，RANSAC)[4]等算法剔除误匹配。

无人机航摄影像具有窄基线、宽像幅、大倾角的特点，与卫星影像、有人机航片相比，其影像匹配难度更大。近年来，国内外针对无人机航摄影像特征匹配的研究较为活跃。Lowe[5]提出SIFT（Scale-invariant feature transform，SIFT） 特征匹配算法，索效荣、赵启兵、贾银江等[6-8]将SIFT 特征匹配算法用于无人机影像匹配并尝试对其作了改进，余淮、蔡香玉、邓仕雄等[9-11]尝试利用SURF（Speed-Up robust features，SURF）特征提取算法对无人机影像进行匹配并做了一定改进。SIFT 和SURF 都采用高斯核卷积滤波来建立尺度空间，而高斯滤波对影像整体在各个方向上采用无差别的平滑,虽然保留了边界信息，但减弱了影像的局部细节信息的辨认度。Pablo 等[12]提出基于非线性尺度空间的KAZE 特征，采用各向异性的非线性滤波来构造尺度空间，在保留边缘信息的同时顾及了影像局部纹理结构和细节。……