随着计算机视觉技术的迅猛发展,图像的直线匹配技术得到了越来越广泛的关注,诸多研究人员对此技术进行了大量的研究与讨论。直线端点的不准确检测给直线匹配带来了巨大的挑战,因为相应的直线可能没有被完整地提取,从而影响直线描述符的建立。本文致力于研究一种新的直线描述符算法,并结合一种后处理机制,来提高直线匹配准确率。为统一直线支撑区域大小,本文采用匹配的直线交点作为图像中直线的参考点,将匹配的直线交点作为该直线的锚点,以此来建立统一大小的支撑区域。为约束候选直线匹配区域,本文中先对直线交点进行特征匹配,来找到合适的候选匹配直线,可以提高算法效率。为建立稳定的直线描述符,本文在构建直线描述符时,不仅采用直线上的点,也采用直线周围的点,并用边缘直方图(EOH)来描述。但是EOH描述符方法没有主方向等信息,对多光谱图像中可能存在梯度反转现象的配准的精度较低。所以本文采用直线方向作为该描述符的主方向,这样构造的直线描述符稳定性高,可以使多光谱图像的直线配准准确度更高。针对初匹配后的误匹配,本文提出了一种后处理机制来剔除误匹配直线。将原本用于剔除误匹配点的RANSAC (Random Sample Consensus)机制,改进后,并加入一个评分机制用来剔除误匹配直线,以此来提高配准准确率。在实验部分,对几种算法用300组图像做配准实验。将每对图像在不同算法下匹配的准确率做统计处理,并把所有图像都归类成8大场景,总结各种算法的在不同场景下的匹配效果。在不同数据集和不同场景下的程序运行结果表明,本文所提出的方法与其他算法相比直线匹配的准确性平均有15%的提升。