遥感图像配准的主要目的是实现同一场景下不同时间、不同视角或不同传感器获取的图像数据在空间位置上的对齐,它是包括变化检测、信息融合、环境监视、图像拼接、目标识别、天气预报以及地图更新等在内很多遥感图像分析任务中的关键步骤之一。论文在全面总结和分析当前图像配准技术的基础上,重点研究了基于特征的多源遥感图像配准问题。论文全面分析并定量刻画了特征空间关系、特征属性以及特征提取结果不确定性三个因素对图像配准的影响,提出了多种基于特征的遥感图像配准方法,并通过大量实际遥感图像实验对提出方法进行了验证。论文取得的成果和主要创新点包括:(1)从理论上统一了包含相似性测度和最优化求解两个关键点的基于空间关系图像配准算法的数学模型。在详细剖析了已有几种经典基于空间关系方法在该理论中的实现形式后,针对它们的不足,论文定义了一种新的相似性测度。该测度在平滑连贯性和全局最优解的突出性等方面比几种经典方法有了较大改善,利于优化算法的设计,而且测度中涉及的唯一参数对它的全局最优解的突出性影响较小,提高了配准方法的稳健性。最后,论文设计了一个两步迭代优化算法解决了新提出相似性测度的最优化求解问题。(2)在讨论特征属性对图像配准影响的过程中,论文提出了两种基于特征相似性的遥感图像配准方法。针对传统的基于特征相似性的方法和Flusser方法的缺点,论文提出了一种改进的基于不变描述子的遥感图像配准算法,在特征匹配阶段同时利用特征不变描述子的最小距离准则、行和列匹配概率系数,提高了算法的适应性,能够处理两幅图像中存在多个形状相同或相近特征的情况。针对已有基于特征相似性的点特征图像配准方法对图像灰度敏感的问题,论文提出了一种基于虚拟三角形的遥感图像配准算法。算法将角点构成的虚拟三角形作为配准基元,根据刚体变换模型下虚拟三角形全等的准则,完成角点匹配,能够配准发生刚体变换的任意两幅图像。(3)特征空间关系一致性和特征属性相似性是解决图像配准中特征匹配问题的两个主要衡量准则,已有方法一般只是采用两者之一或简单的序贯组合方式,但它们都难于克服这两个准则存在的一些固有缺陷。应该说,特征空间关系一致性和特征属性相似性是进行可靠特征匹配不可或缺的两个方面,是同等重要的。因此,论文提出了一种有机组合特征空间关系和特征相似性的遥感图像配准算法,它通过定义一个能量函数将二者有机组合起来,使得该函数在两幅图像的最佳配准位置达到最大值,将图像配准问题转化为最优化问题。论文分别采用了分支定界算法和两步迭代优化算法对最优化问题进行了求解。(4)现有文献很少研究图像配准中特征提取结果不确定性的问题,论文借鉴其他领域特征不确定性分析的成果,从理论上深入探讨了该问题,主要有两点贡献:一是从统计和形状分析的角度上定量描述了角点特征和由两条直线构成的直线对特征提取结果的不确定性;二是在特征选取和特征匹配过程中融入了特征提取结果的不确定性因素,与没有考虑特征提取结果不确定性因素的方法比较,新算法在计算量、稳健性以及配准精度等指标上有明显提高。