航拍图像分辨率高、背景复杂,且包含丰富的纹理和边缘信息。而目前用于航拍图像匹配的算法大都采用基于手工提取的浅层特征(SIFT、SURF等),导致提取的特征表达能力不强、匹配效率低下等。针对传统特征描述子方法在进行高分辨率航拍图像匹配中遇到的问题,实现其有效快速匹配,本文展开了深入研究,提出一种航拍图像局部深度哈希匹配LDHM(Local Deep Hashing Matching)算法。首先,根据航拍图像的航向重叠率,提取最优局部匹配区域;其次,在局部匹配区域内进行分布均匀的特征点检测,并提取特征点邻域图像块;然后,将图像块输入到局部深度哈希网络,获得二进制哈希编码表示;最后,在汉明空间进行图像块的相似性比较,完成航拍图像的匹配。通过实验对比分析,本文所提出的算法在保证了匹配准确率的情况下,提高了匹配效率,满足了实时性需求。本文主要内容与创新点如下:(1)根据航拍图像的航向重叠率和归一化互相关算法,提出了一种基于航拍预测区域的匹配方法,构建局部匹配区域旨在减少计算量、提高匹配效率。(2)提出一种基于局部匹配区域的均匀分布特征点提取算法,对局部匹配区域进行网格划分,并根据信息熵的大小确定候选网格,获得均匀分布的特征点。(3)基于Triplet网络结构,构建了一种适用于航拍图像匹配的局部深度哈希匹配框架:通过卷积神经网络学习图像块的深层特征,并构造哈希层,获得具有独立性和保相似性的二进制哈希编码。(4)在传统Triplet loss中增加绝对距离约束,以克服Triplet loss相对距离约束中正、负样本对距离大于间隔参数时不能对网络进行优化的缺陷,并在优化目标函数中考虑量化损失,获取更具判别力和表征力的哈希编码。