近年来,随着网络的快速发展,图像数据库的规模越来越大,基于图像的检索已经开始进入人们的生活。机场、火车站、地铁等重要场合的行李等物体的安全问题,需要使用物体匹配技术对监控系统产生的大规模数据库进行匹配检索;人们的日常生活中的图像检索需求,如用文字无法准确描述的物体检索,可使用基于图像的物体匹配技术进行搜索。在现实生活中,从建筑、交通工具、家电到日用品、食品、娱乐用品等众多领域,都大量存在着长方体形状的物体,这使得基于长方体形状物体图像的检索显得尤为重要。目前物体识别的技术还局限在二维物体识别,如文字识别、车牌识别、人脸识别、指纹识别等,对于存在较多新的问题需要研究。本文侧重于长方体形状物体识别与匹配技术的研究。同一物体的不同视角的图像在形状与图案方面均会有较大变形,利用现有技术难以解决不同视角下的图像匹配问题。现有的三维物体识别的研究方法中,基于模型的方法、基于外观的方法及基于局部特征匹配的方法难以解决物体视角变化较大的情况;基于深度图像的三维物体识别可用于识别特定相机拍摄的图片,难以用于现有的二维图像匹配。为了有效解决物体视角变化下的匹配问题,本文提出了一种长方体形状物体匹配模型,该模型综合利用了长方体物体的图案特征与形状特征,图案用于长方体物体的图案匹配,形状特征用于适应视角变化性。在图案特征匹配方面,使用了分割匹配算法,先将图像中长方体物体的框架标定出来并分割成三个面,再使用图案ASIFT匹配算法进行匹配,充分发挥ASIFT匹配算法在二维图像匹配方面的优势。在形状特征匹配方面,利用透视反求方法求取长方体物体的框架尺寸比例,还原长方体物体的真实尺寸比例,其不受视角变化的影响。本文设计了两类信息的匹配模型,根据图像的实际特点调整两类信息的权重,有效适应图案特征与框架特征不同情况,进一步提高算法的精度。本文参照标准的SUN图片集中的长方体子集,考虑清晰度、视角、距离、图案复杂度四种影响因素构建了长方体形状物体标准数据集。利用这些数据集对所提出的三类匹配算法进行了识别匹配精度的对比实验,评估了所提出算法在不同影响因素下的匹配精度。实验证明,本文的匹配算法在各种因素下的匹配精度均高于现有的匹配算法。最后,在综合影响因素的图像数据集中,验证了本文算法的有效性。本文所提出的长方体形状物体识别与匹配问题具有重要的研究意义,提出的匹配算法可用于长方体物品检测、图片检索等领域。