随着测绘地理信息行业的快速发展,无人机航空摄影测量已成为获取测绘地理信息的重要手段之一。影像匹配是影像拼接、三维建模等相关影像数据生产和应用的关键步骤。目前,影像匹配的算法已比较成熟,但对于复杂地形,由于地形起伏大、地物间遮挡严重、存在阴影以及影像灰度变化小等方面的影响,导致影像匹配难度更大,采用常规的匹配算法存在正确匹配数少、匹配时间长和特征点数少等问题。有鉴于此,本文在分析复杂地形影像特点及对匹配影响的基础上,基于非线性扩散滤波和FAST角点两个角度,构建了基于DAISY描述子的AKAZE改进算法和基于机器学习描述子LATCH的BRISK改进算法。针对常规算法,论文对构建的两种算法的匹配性能开展了试验对比分析,且两种算法相互间也进行了试验对比分析。本文的主要研究内容和研究结论如下:（1）论文在学习影像采集相关理论的基础上,分析总结了复杂地形区域无人机航空影像的特点和影像匹配存在的困难。复杂地形区域无人机航空影像的特点主要是地形起伏大、山体遮挡严重、像元的灰度值区分度小以及影像几何变形大。这些特点导致影像匹配过程中特征识别困难、特征稳健性较差和容易发生误匹配。（2）分别阐述和分析了基于线性高斯滤波的算法、基于非线性扩散滤波的算法和基于FAST角点的算法。同时,对三类算法进行比较分析,基于线性高斯滤波的算法的稳健性较好,但特征点数较少,时效性相对一般,因而该类算法在复杂地形适应性略有不足;基于非线性扩散滤波的算法在复杂地形区域的适应能力有所提升,但是KAZE算法时效性较差,而AKAZE算法提升了时效性,但特征稳健性也因此有所下降;基于FAST角点的算法,时效性是其优势,但稳健性有所欠缺,在复杂地形影像上的适应能力一般。（3）针对AKAZE算法在复杂地形无人机影像匹配中存在特征稳健性不强、耗时较长的不足,本文通过引入DASIY描述子对AKAZE算法加以改进,构建了一种AKAZE改进算法。该算法首先由AKAZE检测子进行特征检测,其次由DAISY描述子对特征进行描述,然后采用FLANN算法进行特征粗匹配,最后基于单应性矩阵的随机抽样一致性算法进行误匹配剔除完成精匹配。论文采用三组复杂地形影像,开展试验对比分析研究。试验结果表明:本文构建的AKAZE改进算法,在保持AKAZE算法的特征检测能力的同时,与SURF算法和AKAZE算法相比,具有更高的匹配效率和更多的正确匹配数。（4）论文在分析邻域梯度汇聚的描述子与局部二值描述子的优缺点基础上,针对BRISK算法在复杂地形无人机影像匹配中存在特征点利用率不高,耗时长的不足,构建了一种BRISK改进算法。该算法首先通过BRISK检测子检测特征,然后采用基于机器学习的LATCH描述子进行特征描述,再由FLANN算法进行粗匹配,最后由基于单应性矩阵的随机抽样一致性算法完成精匹配。论文采用三组复杂地形影像,开展试验对比分析研究。试验结果表明:本文构建的BRISK改进算法和BRISK算法相比,总匹配数略有下降,但比BRISK算法和SURF算法获得了更多的正确匹配,且单个正确匹配耗时最优,算法效率更高。（5）论文最后对AKAZE改进算法和BRISK改进算法进行了试验对比分析,试验匹配结果图和相关指标统计数据表明:两种算法各有优势。AKAZE改进算法匹配数相对较少,但总匹配耗时低,匹配效率高。BRISK改进算法的时效性相对较弱,但正确匹配数多,且对地形越复杂的影像,该算法适应力越强。