影像匹配是许多高级计算机视觉问题的关键步骤,如运动三维重建结构、目标识别等。但是在获取影像的过程中,传感器受自身及环境的影响,获得的倾斜影像存在视角变化大、几何变形明显、地物遮挡显著等多种问题,加大了影像匹配的难度,传统的匹配算法在此影像上不能完全适应,出现匹配数量少,匹配精度不高的问题,直接影响了倾斜影像匹配后续视觉任务的展开,因此研究如何实现可靠的倾斜影像匹配是解决此类问题的关键。本文中,对倾斜影像的特点和匹配难点以及现有常见影像匹配算法进行了详细分析与探讨。为了提高倾斜影像匹配算法的适应性、匹配精度和效率,本文从影像匹配中的特征提取、描述符计算、误匹配剔除等关键环节着手对倾斜影像匹配进行研究,具体开展的工作如下:（1）传统匹配算法的实验与分析。不同匹配算法对影像视角变化的适应性不同,为探讨传统匹配算法在倾斜影像上的匹配性能,以及不同视角变化对匹配算法的影响,本文深入分析SIFT、SURF、ORB、ASIFT四种常用的影像匹配算法的原理,并对不同视角变化的倾斜影像对进行实验,探讨其匹配性能。实验结果表明,ASIFT算法在倾斜影像上效果好,但是耗时较长;SIFT算法匹配效果次之,但是匹配速度快。相对而言,SIFT算法在实际生产生活中更能被广泛应用。（2）改进SIFT算法的倾斜影像匹配。从一般彩色影像的彩色模型角度对倾斜影像匹配进行研究,详细的介绍了彩色影像的色彩模型理论,从特征点提取和描述符计算角度加入影像的色彩信息。首先,将RGB影像进行彩色通道分离,再分别在每个通道上进行特征点提取,最后进行特征点合并后得到待匹配特征点;然后,从描述符的角度,考虑到SIFT等算法的描述符是灰度描述子,提出一种将SIFT描述子加入影像色彩信息的匹配方法;最后,将匹配结果进行核线约束,得到最终匹配结果,并对实验结果定量分析和对比评价。实验结果表明,该算法在倾斜影像匹配的效果比SIFT算法好,匹配精度和数量不如ASIFT算法,但是匹配速率远快于ASIFT算法。（3）几何约束的倾斜影像匹配。改进的SIFT算法虽在倾斜影像上取得一定效果,但匹配精度不高,正确匹配数量少。本文利用直线与点的位置几何关系构建仿射不变区域,提出了一种几何约束的匹配方法。通过提取影像的仿射不变特征进行匹配,使匹配结果更具有视角变换鲁棒性。首先,对倾斜影像进行直线提取,并将直线按一定约束进行组对;然后,进行直线对区域进行描述符计算,在描述符中加入局部影像的纹理信息,提高影像的匹配精度,得到初始匹配结果;最后,针对倾斜影像匹配数量少的问题,提出拓展匹配方法,即在初匹配之后,对纠正后的影像进行特征点提取,并将特征点计算回原影像;为保证匹配的准确度,进行了误匹配剔除,并使用核线约束等方法剔除误匹配和拓展匹配增加匹配数量,得到最后的匹配结果。使用八组倾斜影像进行实验,并分析算法的匹配性能。为验证本文算法的有效性,使用深度学习的倾斜影像匹配算法Super Glue、Geo Desc和Context Desc进行影像匹配,并将本文提出的几何约束匹配算法与上述三种算法进行对比分析。实验结果表明,本文几何约束匹配算法的正确匹配数量比三种深度学习算法多,总体精度比深度学习高。总体来说,几何约束匹配算法为倾斜影像匹配的研究提供了一定参考。