多光谱图像近年来在安全监控、军事装备、航天遥测等领域的应用日益广泛。融合多波段图像能够提供更丰富的信息,提高应用系统性能。做为支撑图像配准和融合的核心技术,特征点和直线匹配一直是计算机视觉领域一项重要研究问题,尽管以梯度特征构建描述符的匹配理论在相同光谱(单光谱)图像上具有良好的匹配性能,但多光谱图像间梯度特征呈现非线性变化,梯度特征描述符对其描述能力不足,基于梯度特征线性相似关系的描述符在多光谱图像上所建立的特征点和直线匹配准确率较低,难以实现多光谱图像精确配准。针对上述问题,本文对特征点描述符理论进行了深入研究,以提高多光谱图像特征点和直线匹配精度和效率为目标,开展了如下创新性的研究工作:1、针对目前广泛应用的梯度特征描述符与随机抽样一致性技术(RANSAC)结合的匹配方法在多光谱图像上建立特征点匹配误差较大的问题,深入研究特征点间拓扑结构和图像梯度特征分布一致性关系,设计并实现了一种多重约束下的多光谱图像特征点迭代最近邻匹配算法。该方法对描述符矢量建立多维的特征点初始匹配集合,相比已有算法保留更多正确特征点匹配;在此基础上,研究特征点间距离和邻域梯度连续性关系,通过归一化采样定义约束函数,计算特征点匹配关系,提取正确匹配;观察到不同光谱图像边缘信息的稳定性,联合全局信息相似度测度与描述符梯度特征相似度测度,实现特征点匹配自适应迭代框架,建立稳定、精确的多光谱图像特征点匹配关系。对超过200对可见光与长波、中波和近红外图像的特征点匹配实验结果表明,本算法建立的误差小于2个像素特征点匹配比例超过20%,小于5个像素的特征点匹配比例超过40%,支撑图像实现像素级配准,所提算法性能优于目前常用的基于梯度特征描述符的特征点匹配算法,并能承担其他多光谱的图像特征点匹配任务。2、针对多光谱图像特征点匹配需要兼顾精度与速度的问题,提出了一种基于全局信息的有限抽样回归特征点快速匹配方法,实现多光谱图像高精度特征点实时匹配。经典全局信息算法依全局信息相似度测度采用循环迭代过程建立特征点匹配,计算时长达到分钟级,算法复杂度过高,难以满足实时匹配业务需求。针对此问题,根据现实场景中多光谱图像的几何不变性特征,从局部特征描述符建立的初始特征点匹配集合中构建一对或两对特征点匹配组合,基于全局信息相似度测度和相似变换获得特征点匹配优化集合,并将其做为进一步搜索特征点匹配的先验项,应用仿射变换和投影变换计算全局信息相似度测度,从而达到逐级缩小特征点匹配搜索空间、降低复杂度、提高算法效率之目标。基于通用多光谱图像数据集进行实验,所提算法建立的正确的特征点匹配比例达到33%,与传统全局信息算法精度相当,但所提算法仅耗时16.2秒,而传统全局信息算法耗时达到620秒,表明所提算法在特征点匹配精度与全局信息算法相当的前提下,计算复杂度大幅降低,运行效率显著优于传统全局信息算法。3、针对多光谱图像直线检测不完整、直线端点位置不准确等因素影响构建稳定和准确的直线匹配问题,深入分析了传统基于邻域梯度特征信息的直线描述符在多光谱图像的匹配性能受限因素,提出了利用特征点和直线的联合匹配方法。多光谱图像检测所获得的直线完整性不及单光谱图像,经典基于局部描述符及直线组合方法难以实现精确配准。为解决此问题,在特征点和直线检测基础上,论文根据特征点和直线分布,通过抽样形成特征点和直线的组合,基于边缘方向直方图构建点和直线组合描述符,同时设计描述符匹配误差范数,根据描述符矢量最近邻原则建立不同光谱图像组合的匹配,把直线匹配映射成点和线段组合的匹配,提高了多光谱图像直线匹配精度。实验结果表明,所提算法更适用于大光谱距离的多光谱图像直线匹配,匹配精度优于现有基于梯度特征描述符的直线匹配方法。