双目视觉系统基于视差原理获取物体三维信息,是计算机视觉领域的一大研究热点。双目图像的匹配算法是实现双目视觉系统的重要环节之一。基于特征的匹配算法分为两个重要步骤:一是特征提取,特征向量之间的区分性、特征向量的稳健性都对后续的匹配性能有着很大影响;二是特征匹配,优良的匹配测度十分重要。本文基于彩色各向异性SIFT特征实现双目图像的匹配,主要工作如下:1.SIFT特征是一种较为稳定的点特征,其描述子对尺度、光照、仿射等都有较好的不变性。SIFT特征基于灰度图像,没有利用图像的彩色信息;此外,SIFT特征使用DoG算子构建金字塔,没有考虑点特征的各向异性。本文提出了一种彩色各向异性SIFT特征提取算法。首先,将彩色融合模型用于金字塔,同时使用各向异性LoG算子代替DoG算子,充分考虑了图像的彩色信息和点特征的各向异性。其次,为了在构建描述子时获取更为精准的梯度和方向信息,本文提出用各向异性高斯方向导数滤波器代替Sobel算子生成梯度图和方向图。对复杂场景下、具有重复纹理的双目图像的进行了匹配实验,实验表明使用彩色各向异性SIFT具有较高的匹配准确率,并对噪声较为稳健。2.对于SIFT特征的匹配算法,通常采用的匹配策略是基于欧氏距离的最近邻距离比值算法,而正确匹配点很大概率出现在k近邻,所以可能存在大量错配点。本文提出一种使用彩色各向异性SIFT特征作为匹配基元的匹配算法。首先,用k近邻特征距离比和余弦相似度代替最近邻距离比值作为匹配测度,减少错配点;其次,为了去除错配点和外点,本文在RANSAC算法的基础上,采用样条曲线损失代替0-1损失,减少阈值的影响,同时采用Sampson作为误差函数,得到去错后的匹配关系;最后,由于迭代最近邻点算法对点集的初始对应关系要求较高,本文将去错后的准确率较高的匹配关系作为该算法的初始对应关系,减少了迭代次数和匹配误差。通过大量基于双目彩色图像的实验,验证了本文提出的匹配算法具有较高的匹配准确率和较低的匹配误差。