多时相、多传感器、多角度卫星图像之间的匹配是遥感图像处理里边的一项基础性工作,是进行变化检测、移动目标分析、数据融合、图像镶嵌、三维立体视觉、雷达干涉测量等工作必需的步骤。传统的配准方法是手工选取控制点,通过在图像上识别地面测量的标志点或者两景图像上的同名点作为控制点,对图像进行纠正。人工选点费时费力,自动配准的目标就是要把选取同名点的过程变为计算机自动识别。常用的自动配准方法可以分为两大类:基于区域灰度的匹配和基于特征的匹配。基于区域灰度的算法直接以一定范围内像素的亮度值为基础,寻找亮度值最接近的两个区域作为匹配结果；基于特征的算法通常先提取图像的特征,比如图像的边缘、线、闭合区域、特殊驱动因子等特征,然后对这些特征进行比较进而判断图像相似性。　　 由于遥感图像的复杂性,目前没有对各种情况都普适的算法。唯一比较成熟的是光学图像的配准,可以实现在一定分辨率差别范围内的自动匹配,在一些商业软件中已经实现。不同传感器的光学图像在地物的几何结构上差别并不大,因此其配准也更容易一些。雷达图像由于其阴影、几何变形、斑点的影响,配准的难度显然更大,应该根据不同的需求和目标,选择最适合的算法,或者多种算法的综合运用。　　 本文根据SAR图像特点,研究了基于区域灰度的匹配算法,将其应用于冰川运动速度的提取；研究了基于特征的匹配算法,并将边缘特征作为最主要的匹配要素。本文的主要研究工作和创新成果包括以下几个方面:　　 1)研究了区域灰度匹配算法,并将其用于对冰川运动速度的检测。这种算法针对同源的光学或SAR图像,通过匹配窗位置的变化推算一定区域范围内冰川的运动速度。文中分别采用ALOS卫星的PRISM和PALSAR数据,首次获取了西部天山科其喀尔巴契冰川的运动速度,并进行了对比分析,结果两种数据获取的速度结果吻合度较高,揭示了该冰川的运动速度特点；　　 2)分析了区域窗口尺寸对匹配结果的影响,根据冰川运动的特点,提出了AVG(平均速度梯度)算法用于分析最好的窗口尺寸,以获取最佳速度结果；　　 3)使用canny算子提取图像上的边缘信息,以及对特殊地物边缘进行处理的方法。图像覆盖范围内经常包含植被等地物,而植被的边缘很难被用于匹配。文中采用边缘扩张等算法,可以有效的抑制无效边缘的作用,增大匹配的准确性；　　 4)改进了Hausdorff距离用于判断点集相似性的算法,提出距离扩张和有效比例方法；采用基于Hausdorff距离的分级匹配算法,进行由粗到细的逐级匹配。Hausdorff距离通过对比两个点集之间的距离来判断其相似性,对复杂的遥感图像来说,传统的算法计算量过大,采用分级匹配,既可以保持两幅图像匹配整体的稳定性,又可以保持局部的精确性；　　 5)首次将ShapeContext算法应用于遥感图像的配准。ShapeContext最初用于物体识别和手写字体识别,具有较高的抗噪能力和匹配精度。通过加入指向角等参数,使其很好的适应了更加复杂的遥感图像,并用于机载多波段SAR之间的配准。