在信息技术高速发展的今天,单光谱图像早已不能满足人们对于图像信息的需求,多光谱图像开始越来越多的应用于各个领域当中,多光谱图像的配准技术也成为了行业研究的热点与难点。本文提出了一种基于级联结构的适用于多光谱图像的特征点匹配方法,级联结构中引入了复活机制来提高配准结果的精确度。特征点匹配算法是一类常见的匹配算法,首先需要分别在参考图像和测试图像上检测特征点,并为每一个特征点构建描述符。常见的特征点和描述符算法包括SIFT(Scale-invariant feature transform),SURF,MSER等,在本文中我们采用了准确度较高和计算速度较快的SIFT方法。本文提出的级联结构由四层构成。级联结构的第一层为双向匹配,这一步也是构建初始匹配对的过程;从第二层开始逐级删除错误的匹配对,第二层利用特征点连线间的直线信息作为约束条件;第三层使用全局信息作为约束条件;最后一层使用FSC(Random Sample Consensus)算法移除错误的匹配对,同时得到参考图像与测试图像之间的变换关系。考虑到逐级删除错误匹配对过程中,有可能出现正确匹配对被删除的情况,所以在级联结构中引入了复活机制来进一步保证配准结果的准确性。最后通过此带有复活机制的级联结构实现了多光谱图像的特征点匹配。在实验阶段,共采用了 644组图像进行对比实验。最后的实验数据表明,提出的算法在配准性能上相对于以往的经典算法有了明显提高。