特征匹配是計(jì)算機(jī)視覺(jué)和圖形圖像處理領(lǐng)域中很多研究方向的基礎(chǔ)，也是當(dāng)前的研究熱點(diǎn)．SIFT（scale-invariant feature transformation）特征因其具有尺度、旋轉(zhuǎn)不變性對(duì)-定范圍的仿射及視角變換具有魯棒性等優(yōu)點(diǎn)，自Lowe提出后，10多年來(lái)一直受到眾多研究人員的關(guān)注．匹配的快速性和準(zhǔn)確性是很多應(yīng)用對(duì)特征匹配的要求，如三維重建中立體圖像對(duì)（stereo palrwlse image，簡(jiǎn)稱SPD的匹配．針對(duì)這一問(wèn)題，以SIFT特征為基礎(chǔ)，提出用于SPI匹配的方向大約一致（approximately consistent in orientation，簡(jiǎn)稱ACIO）約束關(guān)系，其描述了SPI的匹配特征向量間的空間位置關(guān)系，有效地避免了誤匹配的發(fā)生，提高了匹配的精度；通過(guò)對(duì)標(biāo)準(zhǔn)K-d樹(shù)（standard K-d tree，簡(jiǎn)稱SKD-tree）結(jié)構(gòu)的分析，提出了層次結(jié)構(gòu)K-d樹(shù)（hierarchical K-d tree，簡(jiǎn)稱HKD-tree），將SPI特征集根據(jù)ACIO約束關(guān)系劃分成層次結(jié)構(gòu)并建立映射，該方法縮小了搜索空間，從而達(dá)到加速匹配的目的．在ACIO和HKD-tree的基礎(chǔ)上，提出了高效、快速的匹配算法．實(shí)驗(yàn)結(jié)果表明，所提方法比SKD-tree方法和最新的級(jí)聯(lián)哈希方法（cascade hash，簡(jiǎn)稱CasHash）在精度上略占優(yōu)勢(shì)，但在匹配速度上比SKD-tree快一個(gè)數(shù)量級(jí)以上，同時(shí)也數(shù)倍于CasHash.