近些年来,随着移动智能设备的普及和各类传感器技术的快速发展,为图像数据的采集和获取提供了许多新的思路和方法,基于图像数据的视觉感知应用和服务在各个领域表现出巨大的优势,具有良好的发展趋势。其中,图像匹配技术,作为计算机视觉领域的基础技术环节,已有多年的研究历史。目前,图像匹配的大量科研成果已经应用于各类工程领域,如三维重建、视觉定位、增强现实、自动驾驶等。虽然现有的图像匹配技术已经发展较为全面,各类算法也展现出了良好的应用效果,但是由于实际拍摄环境的复杂性,图像会存在光照、分辨率、遮挡、视角变换等情况,导致匹配精度难以满足要求。这其中,拍摄时的视角变换会引发图像发生不同程度的畸变,导致图像匹配精度急剧降低,而现有的图像匹配算法仍然无法很好的处理大视差场景下图像匹配失败的问题。因此,本文从改进大视差图像匹配技术的角度出发,提出了一种基于低秩矩阵恢复原理的大视角差城市建筑图像匹配方法。本文方法充分利用低秩矩阵和低秩纹理在现实世界中表现出的视觉特性,对于视角差异较大的图像,通过将其归一化到正射视角,进而抵抗视角差异带来的畸变影响,提高图像中同名特征描述的相似度,最终得到可靠的匹配结果。本文方法克服了传统匹配方法的局限性,为视觉理解技术扩展了更广泛的应用领域。本文主要研究内容如下:(1)对目前图像匹配方法的基础理论和关键技术进行了总结和归纳。重点探讨和分析了大视差图像匹配的难点及问题。学习总结了目前主流的大视差图像匹配技术,对比了主要的解决方案和不足之处,并基于上述内容提出本文基于低秩矩阵恢复原理的大视差图像匹配研究思路。(2)介绍低秩纹理的概念,与其在现实世界中的表现形式和特点,提出了一种基于低秩矩阵恢复的图像匹配方法。分别介绍了低秩矩阵、低秩矩阵恢复模型、凸优化迭代的求解步骤。从理论上证明基于低秩矩阵恢复原理校正图像畸变的可行性。本文方法无需相机参数和三维几何信息,直接对图像像素进行操作,通过低秩矩阵恢复模型求解,归一化图像正射视角,进而提高匹配精度。(3)考虑到低秩矩阵恢复方法需要用户人工输入初始值的问题,提出基于重复结构特征的初始低秩纹理区域自动化提取算法,首先寻找图像上具有重复对称结构的纹理,再通过多尺度滤波方法进行优化,最后实现自动提取低秩纹理区域。通过不同图像匹配方法进行对比实验,以及不同维度的评价指标分析,证明本文方法对于大视差图像匹配任务的有效性。