图像配准是在不同时段,对同一场景从不同视角、用不同传感器获取的,有重叠区域的两幅或多幅图像进行几何校准的过程[1]。遥感图像配准是图像融合、变化检测、图像镶嵌等应用中不可缺少的步骤。而对于越来越庞大的遥感数据,依靠人力配准成本太大,因此遥感图像自动配准成为了当前该领域的研究热点,而多源遥感图像自动配准是该领域的难点。本文致力于改进SIFT算法以满足多源遥感图像自动配准的要求。本文首先分类概述了目前主要的各种遥感图像配准技术,然后深入解析了基于SIFT算法的遥感图像配准技术,指出了将其应用于多源遥感图像配准问题时的缺陷包括关键点监测重复性差、主方向不可靠、SIFT描述子不可靠、匹配方法不可靠。针对SIFT描述子不可靠的问题,本文提出了一种融合了更大支撑域Gabor特征的方向受限SIFT描述子。Gabor特征反映了图像的边缘方向信息和纹理方向信息,常用于图像检索。方向受限SIFT特征与之结合之后描述能力及独特性都得到了提升;针对匹配方法不可靠的问题,本文提出了一种利用匹配对可靠度与关键点位置信息的改进随机抽样一致性(Random Sample Consensus,RANSAC)方法,通过利用额外信息,该方法能更有效地筛选出内点,减少误匹配。