随着遥感技术的发展，每天获取的遥感数据越来越多。如何在海量遥感影像中快速检索感兴趣区域与目标成为急需解决的问题。当前绝大部分的遥感数据检索系统是基于元数据的。用户通过输入卫星名称、传感器、数据接收日期等属性从数据库中检索数据。这种检索方式受元数据描述能力限制，有局限性。考虑这样一种应用场景:用户需要在影像库中搜索包含某地物目标的遥感影像。传统检索系统虽然可以根据目标位置检索出若干图像，但它无法判断返回图像中目标是否被云覆盖，是否具有适合的时相以及尺度，更不能在影像库中搜索出包含该类目标的影像。为了帮助用户有效地从海量遥感影像中获取所需的数据以及所需的信息，需要研究新型的遥感数据检索系统。　　本文对局部不变特征技术在遥感图像检索系统中的应用开展研究。局部不变特征是从图像细节纹理结构中提取出的特征。这种特征对图像的位移、旋转、尺度、光照等变化有较好的鲁棒性，并且局部不变特征非常适用于复杂背景中特定目标的提取，因而在图像识别、图像目标匹配等计算机视觉领域上有广泛应用。图像局部不变特征与图像的词袋模型结合在一起，在基于内容的图像检索中也有很多成功的案例。可以预期、利用图像的局部不变特征进行遥感数据的检索能实现更多更好的图像检索功能，帮助研制者以及公众便捷地获取遥感数据。　　本文在前人研究的基础上，从以下几个方面进行研究:　　1)详细分析当前基于局部不变特征检索系统的关键技术　　对当前各种基于图像局部不变特征的检索系统进行详细分析与比较。分析与比较主要集中在检索系统的体系结构、局部特征的检测与描述以及局部特征的筛选上。　　2)提出了一种新型的基于局部不变特征的遥感数据检索框架　　基于词袋模式表达的遥感影像检索中，由于遥感图像的纹理特征比较接近，存在图像检索准确性不高的缺点。本文根据遥感数据检索特点提出一种改进词袋模型的图像检索方法，在视觉词汇的生成、局部特征映射到视觉词汇、图像的表示方法以及图像相似性的计算等几方面进行改进。改进方法以本底数据作为基准，进行间接图像比较，仅保存本底图像的局部不变特征，大大减少了所需管理的特征数量。在局部特征映射到视觉词汇阶段进行空间位置关系的校验，提高图像检索准确性的。实验表明，同传统的词袋模型检索方法相比，新方法在提高准确性的同时，大大减少所需存储局部不变特征的数量。　　3)对遥感图像局部不变特征的提取与描述方法进行研究　　遥感图像不同卫星、不同波段、不同时相的同一地区数据外观差异较大，直接进行特征提取，检索到的同名点数量较少。针对遥感数据的特点，本文提出多种归一化方法，减少因卫星不同，波段不同以及时相不同造成的图像差异，提高遥感图形中提取同名点的数量。另一方面，针对Sift描述子受光照变化影响较大的缺点，提出一种基于DCT变换的图像局部不变特征描述子。该描述子利用DCT变换的特点，忽略高频系数，使用少数中低频系数组成特征矩阵，降低了描述子的维数。进一步利用DCT频率系数的正负性对光照变化不敏感的特点，在计算描述子之间的距离时，设置惩罚因子，提高描述子的可区分性。对提出的新的基于DCT变换描述子的显著性、查全率和查准率进行测试，并与SIFT描述子相比较。测试结果表明，在相同图像噪声、光照改变与定位误差条件下，新描述子各项性能指标都优于SIFT描述子。　　4)提出一种适合遥感数据局部不变特征过滤方法　　遥感图像上往往可以提取出大量的局部不变特征。过多冗余特征对数据检索与特征管理带来困难。为此，研究了适合遥感图像的特征过滤方法。根据遥感图像的地物分类将图像分为特征稳定区域与不稳定区域，根据特征所在区域类别，区分稳定特征与非稳定特征。该方法区别于一般阈值判断方法，它根据图像纹理类型与特征稳定性之间的先验规律选择稳定特征。实验表明，这种方法不仅能大量减少提取的冗余特征，而且不降低有效特征的数量。