本文开展了景象匹配辅助导航系统中基于局部不变特征的景象匹配算法研究,并通过建立仿真平台对提出的理论、算法和方案进行了验证。在实际应用过程中,图像可能受到噪声、背景的干扰,也可能发生视角、光照、尺度、平移、旋转等变化,如何选择合理的图像匹配算法,使之满足景象匹配辅助导航系统的要求,即精确性、实时性、鲁棒性,是景象匹配算法的核心所在。考虑到采用部分Hausdorff距离度量进行图像匹配定位,匹配精度有限,速度较慢,抗旋转和抗噪声能力差,且难以精确确定图像之间的旋转变换参数,为此,本文通过引入图像局部不变特征并应用于景象匹配辅助导航中,可以有效克服部分Hausdorff距离度量上的不足,从而大大提高图像匹配算法性能。SIFT(Scale Invariant Feature Transform)特征不仅具有良好的表征性能,而且在视角、尺度、旋转变化下保持不变。本文针对图像间存在较大几何畸变的情况,以SIFT特征为基础,提出并系统地阐述了基于SIFT特征的惯性/图形组合导航用景象匹配算法,该算法利用SIFT特征点实现特征匹配,提高了图像匹配精度、速度、稳定性和鲁棒性。针对SAR图像受到几何畸变和严重斑点噪声影响下的景象匹配问题,本文引入了SURF(Speeded-Up Robust Features)算法来进行景象匹配辅助导航。SURF在重复性、独特性、鲁棒性、计算时间等方面相当或超过了现有算子,本文以此为基础,提出了一种鲁棒精确的图像匹配算法。通过大量仿真实验分析,验证了SURF算法在SAR/INS组合导航系统中具有良好的应用效果。考虑到SIFT和SURF算法存在一定的误差,获得的特征点位置存在扭曲变化,本文利用RANSAC算法过滤掉错误和低精度的匹配点,并对提取出的特征点对进行最小二乘算法拟合,获取航向和位置偏差信息。本文还结合工程实际应用情况,设计了景象匹配辅助导航系统仿真平台,该仿真平台以本文研究的图像匹配算法输出为信息来源,进行组合导航系统的误差修正,从而有效验证了所提出的算法的有效性。