鱼眼镜头拥有比普通镜头更大的观测角,更有甚者能直接采集到半球域空间景物信息,这在立体视觉的领域,使用鱼眼镜头来采集全景图像可以减少使用镜头的数目和图像采集模块的数目,简化系统、提高运算速度、降低成本,是全景视觉领域内的一个新型研究课题。同时,鱼眼镜头采集到的图像会产生不同程度的畸变,并且越近边缘畸变越重。因此,在光轴正交的系统或是角度更大的立体视觉系统中,进行相关图像的特征点匹配是有困难的,这将会直接影响到立体视觉系统的应用效果。鱼眼图像匹配的过程主要有:特征区域的提取、描述、匹配以及误匹配去除这四个步骤。针对鱼眼镜头的成像特点和畸变特点,展开匹配技术的研究。主要工作包括:1、鱼眼镜头图像的匹配方法,传统上是先校正再匹配,但会丢失图像信息,导致很严重的后果,比如纹理断裂或是拱形失真。对于传统方法的不足之处,本文提出了一种改进的方法,就是直接对畸变的鱼眼图像进行特征匹配,然后就能够直接进行三维重建,或者是再将匹配融合后的球面图像进行矫正来得到拼接图像。2、针对鱼眼图像的大畸变问题,要完成特征匹配,必须研究一种具有仿射不变性的图像匹配算法。对畸变图像进行特征区域匹配时,提取原始图像的MSCR特征区域,引进CS-LBP算子对各个MSCR区域进行特征描述,再将图像分成很多的小区域,通过统计合并这些小区域的CS-LBP值,生成直方图和特征向量。根据这些特征向量应用卡方距离算法进行特征区域的唯一匹配,最后对特征区域进行椭圆调整并作连线标记。3、光照、景物复杂度和拍摄误差等因素都会引起特征区域数量和匹配对的变化,导致特征区域重叠率和误匹配率的增多,本文实现图像匹配算法用到了Matlab与C++混合编程的方法,分别比较特征检测子和特征描述子的误匹配率,充分验证了本文算法在鱼眼图像匹配上的优势。