作为计算机视觉方向的关键技术之一,图像匹配技术在飞行器导航及遥感侦察领域得到广泛应用。复杂场景下实现不同时间、视点下获取的图像间可靠匹配是一个经典难题。尤其是对无人飞行平台获取的多谱段图像匹配,还面临不同谱段成像特性差异大、搜索范围广等因素,传统匹配算法难以满足通用性的要求。如何有效提取多谱段图像的共性特征并能够准确定位相似区域,提高算法的准确率和抗干扰能力,并最终应用于端侧实际场景,是该论文研究的主要内容。针对异源图像匹配问题,已有的异构孪生匹配网络需要大量同场景下异谱段图对数据进行训练,这在实际应用中很难满足。为利用非同一场景下的不同谱段图像数据进行多谱段图像共性特征建模,该论文设计了一种多谱段域适应特征提取网络DASiam Net,基于同谱段成像一致性和多谱段成像间差异性,引入通道注意力机制与域注意力机制,在异构孪生网络结构前,设计了域分配通道调整单元,以自适应不同谱段的数据输入,并组合自裁残差单元,实现多谱段图像特征自适应提取。基于多谱段特征提取特征网络,设计了金字塔结构的多特征融合模块,提出带RPN结构的域适应孪生匹配网络DASiam RMN,实现多谱段图像自适应匹配。为进一步压缩网络模型参数,降低算法复杂度,使匹配网络真正成为端到端网络,该论文借鉴了Center Net的中心点检测思想,提出了中心匹配域适应孪生匹配网络DASiam CMN,采用CMN匹配点检测网络,将逐点遍历匹配搜索转化为中心点检测问题,满足大范围场景下的可靠匹配需求。在公开数据集与自定义混合多谱段数据集上,对论文提出的多种网络及系列孪生网络进行了对比测试。试验结果表明,采用公开数据训练得到的特征提取网络DASiam Net对多谱段数据输入具有自适应性,在跨谱段匹配测试中表现优异,泛化性能较好,降低了对异谱图像对训练样本的依赖性。域适应孪生匹配网络DASiam CMN能适应大尺度范围搜索、视角幅度变化大的匹配场景,且不依赖于人工锚框的标注,无后续非极大值抑制的计算过程,非常适合应用于嵌入式设备。最后,在海思昇腾Ascend310处理器上实现了匹配网络模型的裁剪移植,进一步验证了该算法工程应用的可行性。