1、異源視覺圖像匹配技術(shù)應(yīng)用廣泛，但由于異源圖像之間差異較大，目前還存在一些技術(shù)問題尚未解決。本文模擬人類對圖像的認知過程，對基于粗大輪廓的異源圖像匹配技術(shù)進行了研究。
　　首先，針對目前異源圖像匹配研究中存在的問題，根據(jù)異源圖像成像特點，結(jié)合粗大輪廓能反映異源圖像中的共性特征這一特點，采用先圖像分割再提取輪廓的思想提取粗大輪廓。構(gòu)建基于灰度均值、灰度方差和熵的特征空間，以表征圖像中不同材質(zhì)對象的特征；再將經(jīng)蟻群算法優(yōu)化的初始聚類數(shù)目

2、和聚類中心，作為能描述對象不確定性的模糊 c-均值聚類的初始條件，對圖像特征空間進行模糊聚類；然后利用Canny算子進行邊緣檢測，獲得圖像的粗大輪廓。實驗表明，本文圖像分割方法能適用于異源圖像，誤分割率平均值也降低了1.7％~6.6%，明顯低于傳統(tǒng)分割方法；所得粗大輪廓較為完整，錯誤邊緣較少。
　　然后，為了剔除粗大輪廓提取結(jié)果中的錯誤邊緣，對邊緣檢測結(jié)果進行輪廓跟蹤；再利用c-尺度分割子集獲得輪廓點曲率信息；然后抑制非極大值，取

3、曲率局部極大值點作為特征點實現(xiàn)輪廓化簡。實驗表明，與道格拉斯-普克方法相比，輪廓化簡結(jié)果保留的輪廓信息更為完整，有利于后續(xù)匹配工作。
　　最后，針對現(xiàn)有匹配算法中少有適用于圖像被遮擋情況下的局部輪廓匹配方法，本文研究了基于子矩陣局部輪廓匹配方法。先計算待匹配輪廓特征點的距離矩陣和切向量夾角矩陣，取k階子矩陣判斷待匹配輪廓間是否存在匹配的部分，再利用RST特征不變量進行精匹配，獲得最終的匹配曲線段和點對。實驗表明，本文算法適用于圖像