图像匹配作为计算机视觉应用的关键技术,占有举足轻重的地位。它是目标追踪、入侵检测、可视化搜索、三维重建等高层图像应用的基础技术,其应用领域遍及安防监控、智能交通、医疗诊断、遥感测绘等诸多领域,一直以来都备受研究人员的广泛关注。近年来,基于二值描述的图像匹配方法,因其采用简单高效的特征描述使得整个匹配的时间开销相比以往采用浮点描述的方式大幅降低而成为研究热点。然而,这类方法都是在成像之后再对数字图像进行分析,随着当前高分辨率成像趋势下实际应用对图像匹配实时性要求的不断提高,由于处理器单核频率提升受限,基于这种顺序处理框架的匹配技术很难突破效率瓶颈。鉴于此,本文引入原数据,设计了一种崭新的并行处理框架,提出了并行与集成的快速原数据匹配(PIMR)方法,旨在从根本上解决图像匹配算法的效率问题。实验结果表明:本文所提PIMR相比前沿图像匹配方法,整个匹配过程耗时显著降低,在很大程度上提升了图像匹配的运算效率,同时在大多数情况下也能够获得与之具有可比的匹配精度,对各种图像变换具有良好的鲁棒性。本文所做工作不仅是快速图像匹配的基础理论研究,也是对原数据处理方式的初探,具有理论和实践的双重研究意义。本文主要从以下四个方面开展了研究工作:(1)重点从特征检测、特征描述和特征匹配三方面对图像局部特征匹配方法的研究现状进行系统调研,对BRIEF、ORB、BRISK及FREAK等前沿方法进行详细地分析研究。针对该类方法采用的顺序处理框架制约其处理效率的问题,本文设计一种并行成像与图像处理框架,通过将成像与图像处理过程分离,实现了成像与图像处理过程的并行优化。(2)并行成像与图像处理框架能够顺利实现得益于该框架采用的分析对象原数据。本文从形成原理、数据特性以及数据格式对原数据进行剖析,原数据未经解马赛克处理,最大限度地保留了场景的真实信息,相比数字图像更适合机器去分析。因此,本文引入原数据,将其作为并行处理框架的分析对象,提出并行与集成的原数据快速匹配(PIMR)方法,实现以原数据为分析对象的实时图像匹配。(3)原数据中像素信息不完整,不能直接将其用于后期分析。针对该问题,并行与集成的原数据快速匹配(PIMR)方法在原数据分析环节加入原数据重构操作,利用2×2单元内像素信息重构目标像素点的强度值,从而实现原数据中多通道颜色信息的高效利用,使重构后的原数据能够很好地适配后期的分析处理,该操作处理简单且耗时较低。(4)从精度和耗时两个方面验证本文所提PIMR方法的有效性。首先,对牛津大学仿射协变特征数据库中的图像序列进行反解,求取实验所需的原数据测试序列;然后,在原数据测试库上进行测试,对比分析PIMR和前沿图像匹配方法的识别率、召回率-(1-精度)曲线、耗时。实验结果表明:1)PIMR对图像旋转、光照变化、图像模糊、图像压缩等都具有良好的鲁棒性,识别率最高可达99.5%以上;2)相比ORB、BRIEF、BRISK和FREAK,PIMR耗时显著降低。特别地,对于wall序列,该方法执行1次匹配的平均时间比BRISK快了将近5倍。