图像匹配技术是图像识别、图像拼接等多个研究方向的基础,随着农业信息化的不断发展,图像处理技术被广泛的应用到农业的多个方面当中。其中在农业害虫识别当中,使用图像处理技术及时的识别出害虫种类,替代凭借经验在现场使用人眼识别的传统工作模式,对害虫防治和农业生产都有着十分重要的意义。图像匹配技术在农业中的应用也成为了当下研究的热门。本文主要对基于ORB图像特征匹配算法的研究。在农业害虫图像的获取中,相同场景中的图片也难免会发生尺度变化、旋转变化、光照变化等多种不利变化因素,这些变化会在图像匹配时有所影响。ORB算法有着占用存储体积小,轻量化、实时性高等优点,具备对旋转、光照、平移的不变性,但是不具备尺度不变性;算法还存在着特征点分布不均匀、有对图像的噪声敏感,算法鲁棒性较差的缺点。目前流行的图像特征匹配算法如SIFT、SURF、BRISK等都具备对图像的尺度、旋转、光照等不变性,但是它们在运算速度上远低于ORB算法。本研究是基于图像匹配技术的背景下,详细介绍了相关技术的进展以及原理,对主流算法进行探讨与比对,挑选出一种适合应用于农业害虫图像匹配中的算法,并且针对算法的缺陷进行改进,完成对算法的优化,着重介绍了ORB算法的原理、步骤及优缺点,并且针对ORB算法存在的问题提出了三个方面的改进:(1)基于改进ORB的图像特征匹配算法在特征提取步骤:在ORB算法的特征提过程中,为Harris角点响应函数中添加特征点的尺度信息函数,使特征点具备尺度信息,即可生成具有尺度信息的特征描述子,使算法具备尺度不变性,对特征点进行亚像素插值精准定位,同时在函数中添加抑制噪声的高斯函数。(2)基于融合BRISK算法的ORB图像特征描述子:在生成ORB特征描述符的步骤中,引入BRISK算法的思想,对特征点进行均匀采样模式,以特征点为圆心构建半径不同的同心圆,在同心圆中获取采样点,对采样点进行高斯滤波消除叠加效应,计算局部梯度,最后生成二进制的特征描述子,消除原算法特征点存在的特征点簇集现象及对噪声的敏感,增强了算法的鲁棒性,同时保留原算法的旋转不变等特性。(3)基于改进RANSAC的误配点对剔除:对数据集中的数据点进行优劣排序,选取匹配效果最好的点优先进行选取并拟合,这样就会提前获取到最优参数;将模型的假设为集合内正确匹配点的数目大于外点或噪声点的数目,之后对模型中参数逐个进行验证,解决了原算法在特定场景中不稳定与计算过程复杂的问题,最后将改进后的RANSAC算法应用于本文改进后的BRRB图像匹配算法当中。经过对农业害虫图像的匹配对比实验后,改进后算法在尺度性实验中的正确匹配率比原算法高出72.54个百分点,有效的解决了ORB不具备尺度不变性的缺陷,并且保留了原算法在计算速度上的高效性和对旋转、光照、仿射变换的不变性。