目前国内外针对海冰配准的研究大多采用同源数据,但由于同源卫星重访间隔相对较长,检测到的特征会有局限性。比如,当所选两组数据相隔时间较长,就可能由于短时间的事件而一些有效且显著的特征丢失会被丢失。这个问题可以选用非同源数据进行解决,因为非同源数据更具有实时性,也可以保留更多特征且相对时间间隔更短的数据也会更容易得到。但使用非同源数据进行配准也带来了额外的困难,由于非同源SAR传感器不同,导致波段、极化方式、成像方式等存在很大差异,使得待配准图像除了存在分辨率差异以外还具有显著灰度差异。为了能够更好地进行海冰漂移跟踪,需要更为准确的SAR图像配准算法,特征描述符的适用性和配准算法效果是影响海冰配准准确性的两个重要因素。本文重点设计提出了 GLDB描述符,用于具有显著灰度差异的海冰SAR图像的特征描述,在保证准确率的基础上增强对灰度差异的敏感性。同时,在特征匹配阶段,本文提出了一种基于几何对应匹配和灰度差异对应匹配的两步再匹配策略,对匹配点进行再次匹配与验证。本文工作概括如下:首先,本文采用了非线性尺度空间构建的方式。不同于线性尺度空间对图像进行无差别过滤,它可以最大限度地保留海冰的边缘信息以及重要的图像细节,可以更好地适应SAR图像固有的噪声,分辨率以及目标显著性不明显的问题。其次,本文设计提出了用于具有显著灰度差异图像特征描述的GLDB描述符,结合了 LDB描述符加入梯度信息使差异性增强的优势和八象限圆格划分提取方法有效保证了主方向的提取精度。使其对本文研究的显著灰度图像配准更为适用。再次,本文提出了一种基于几何对应匹配和灰度差异对应匹配的两步匹配策略。对使用RANSAC算法进行错误点剔除时,剔除掉的正确匹配点进行再次验证,增加了有效匹配点的数量,保证了配准的准确性,并使得配准结果更均匀。同时,也使得有显著灰度差异的图像也可以获得更多正确匹配点。最后,为了验证本文提出的GLDB-AKAZE算法相较于现有算法的优势。本文对匹配点分布过于集中,显著性灰度差异图像配准效果差和匹配点整体偏少三个问题进行对比与分析。