图像的特征检测、描述和匹配作为图像处理的基础对于许多计算机视觉技术及应用的发展至关重要。传统二维图像只能聚焦在场景中的某个固定深度,场景中其他深度的目标模糊不清。因此,传统二维图像的特征检测和匹配不能准确全面地检测到场景中各个深度的目标的特征。四维光场图像同时保存了场景中二维位置信息和二维角度信息,可以通过数字重聚焦操作得到聚焦在不同深度处的场景图像。因此,本文主要研究四维光场图像的特征检测和匹配方法。图像的局部不变性特征是指图像中提取的特征在发生尺度、旋转、光照等变化时仍然可以被准确地检测到,进而对当前点及其周围点的关系进行特征描述等等。基于局部不变性分析检测得到的特征更加稳定和独立。因此,本文提出了一种基于局部不变性特征分析的四维光场图像特征检测和描述方法。本文的主要研究内容和创新之处有:(1)四维光场图像可以通过数字重聚焦操作得到聚焦在不同深度处的图像,但是四维光场图像有大量的冗余数据特性。本文将四维光场图像降维成三维聚焦堆栈图像。该过程不仅有效地得到了聚焦在不同深度处的场景图像,还极大地减少了冗余数据,简化了计算。(2)考虑到局部不变性特征分析中的尺度不变性,本文提出在三维聚焦堆栈图像的基础上引入高斯尺度空间,构建同时具有尺度不变性和深度特性的四维尺度-深度空间。进而,在四维尺度-深度空间中使用具有旋转不变性的Harris特征检测算子进行特征检测。为了消除光照的影响,对特征描述子进行光照归一化,使得检测的特征具有光照不变性。因此,本文检测到的四维光场图像特征同时满足尺度不变性、旋转不变性、光照不变性和深度特性。(3)为了验证本文提出的光场图像的多尺度Harris特征检测方法的正确性和有效性,本文使用单应性矩阵对图像匹配结果进行验证,并计算错误匹配率。与传统图像上的SIFT特征检测和匹配方法、美国斯坦福大学提出的光场图像的LIFF特征检测和匹配方法做对比实验。实验结果证明了本文所提方法的有效性和准确性。(4)针对多传感器图像融合问题,本文基于人类视觉系统的多通道、多尺度特性,提出对多传感器图像进行对比度金字塔分解和方向滤波器组分解实现对比度和方向特征检测,进而引入鲸鱼优化算法进行自适应融合系数寻优,最终完成多传感器图像融合。本文与四个经典的融合方法做了对比实验,并使用六个数值指标对实验结果进行了分析总结。仿真实验表明了本文所提方法的准确性和高效性。