随着传感器技术的发展,影像传感器丰富多样,所获得的遥感影像数据呈现多源化、海量化的趋势,同时也带来了影像之间几何和辐射的差异,给联合多源影像数据解决同一问题带来一定的困难。多源遥感影像特征匹配技术是寻求不同影像间的对应关系,可以联合使用不同的影像数据源解决同一问题,充分发挥影像各自的优势。多源影像匹配技术是利用现有高质量影像辅助量测低质量影像的重要手段,在无人机导航、植被覆盖率检测和灾害监测评估等领域具有重要的研究价值和现实意义。本文结合深度学习技术对多源遥感影像特征匹配进行了研究,为了增加多源影像之间正确匹配点数量和提升影像匹配算法的普适性,在分析总结遥感影像预处理、多源遥感影像数据的增广、基于卷积神经网络的影像特征匹配模型设计和注意力机制在影像特征提取网络的应用等基本问题的基础上,提出了本文的解决方案。主要完成的工作有:1.针对高斯滤波进行影像降噪时会损失影像的细节信息的问题,提出了一种融合多尺度影像细节特征的方法。首先,对原始遥感影像进行多尺度的高斯模糊处理;其次,对高斯模糊后的影像进行相减,获得不同尺度的影像信息;最后,通过特征融合策略将这些影像信息与原始影像融合,构成一个新影像。实验结果表明,本文提出的方法不仅可以提高影像质量,而且可以增强影像的细节特征,在客观指标的评价下表现良好。2.着眼于遥感影像数据增广,利用传统方法和深度学习技术,设计了两组可用于后续深度模型训练的热红外影像和近红外影像数据集。深度模型的训练依赖于影像的数据量,而用于本文研究的多源遥感影像数据较少。因此,在总结多源遥感影像间异同的基础上,首先采用循环一致对抗网络模型实现影像风格的转换,丰富影像的信息量;其次对现有的影像数据进行传统方式上的数据增广,实现数据集的扩充。3.针对多源影像间的特征点匹配问题,设计了一种基于VGG16网络模型支持的影像特征匹配方法。首先,利用SIFT算子检测待匹配影像特征点;然后将带有特征点位信息的待匹配影像输入网络模型中,利用已训练模型构建输入影像块的特征描述,实现影像间的匹配。实验结果表明,在客观评价指标的衡量下,处理不同影像匹配任务时,本文算法均保持一定的性能,得到正确匹配点的数量可以支撑后续相关技术研究。4.为进一步提高多源遥感影像特征匹配的准确性,本文提出一种融合注意力机制的深度特征提取方法。该方法在Super Point网络架构中嵌入CBAM模块,并采取图卷积神经网络进行特征点的匹配。不同影像对的特征匹配实验结果表明,本文提出的方法能够提取更多的可重复性高的特征点以及可靠性较强的同名点对,对多源影像之间特征匹配技术研究具有重要的现实意义。