随着三维GIS与虚拟地理环境技术的快速发展与普及应用，三维模型的自动重建需求日益迫切，倾斜摄影系统以其立面可见性、直观性等优点应运而生并快速发展，正逐渐成为三维城市模型生产的主要数据源。然而，多角度倾斜摄影系统由于系统结构问题，多视角倾斜影像的辐射质量问题、几何变形问题以及多视匹配问题突出。特别是在引入侧视后，多角度倾斜摄影系统由于多视重叠大幅度增加，两两像对呈平方倍数增长，类SIFT的高维特征描述符匹配效率，已经难以满足实际生产效率需求。如何顾及特征点的结构特性以及倾斜影像匹配的特殊需求，对高维特征描述符进行维度约减，是计算机视觉与摄影测量领域亟待解决的前沿难点问题。

本文的研究目标为：针对类SIFT特征描述符的呈现为高维特征向量，制约倾斜影像匹配效率的问题，通过构建包含同名点标记信息的训练数据集，采用监督度量学习方法，获取线性投影矩阵，将已有高维特征描述符投影至低维子空间中，实现维度约减；并利用投影后的特征描述符进行匹配，提高整体匹配效率。

本文将倾斜影像特征匹配分为训练、学习、匹配3个阶段。为提高训练数据与匹配精度的可靠性，针对倾斜影像中存在的几何、辐射质量差异问题，提出了边界约束优化的倾斜影像匹配方法；针对影像匹配的粗差问题，提出了空间关系约束的粗差检测方法；并在此基础上，针对特征描述符维度过高导致匹配效率降低的问题，提出了特征描述符维度约减的度量学习方法。具体研究内容包括：

(1) 边界约束优化的倾斜影像特征匹配方法。针对倾斜影像中出现的几何、辐射质量问题，采用初始几何信息对原始影像进行几何纠正，消除几何不一致性；并针对传统最小二乘匹配对影像质量十分敏感，收敛率下降的问题，充分顾及最小二乘匹配中参数的物理意义，利用先验知识，将参数的边界条件作为约束加入匹配优化中，提高了收敛率。

(2) 空间关系约束的粗差检测方法。针对倾斜影像差异过大，导致的粗差较多、训练数据集质量下降的问题，顾及特征点之间的局部空间关系，提出了3种约束用于影像匹配粗差检测，包括角度顺序一致性约束、局部位置一致性约束与局部邻域一致性约束，进而提高训练与匹配可靠性。

(3) 特征描述符维度约减的度量学习方法。针对影像匹配的特殊需求，提出了采用监督度量学习方法进行特征描述符的维度约减。通过训练数据中同名点与非同名点的语义标记信息，在两者距离能以一较大间隔进行区分的约束条件下，构建一大规模带正则化约束的半正定规划问题，并利用随机优化方法对大规模半正定规划进行求解，获取了一低秩马氏矩阵，在对其进行分解后，将原始特征描述符投影至低维子空间，提高匹配效率。

本文以贵阳市金阳新区的倾斜影像数据为例进行了试验分析，结果表明本文方法相对于主成份分析，能更有效地降低特征描述符维度，提高匹配效率。