论文开展基于点特征的多尺度遥感图像的自动匹配技术研究,以图像尺度空间理论为依据,以图像的点特征提取技术作为切入点,构建了多尺度图像匹配方法的技术框架,并对其中的若干关键技术进行了深入研究。该方法的基本思路为:对待匹配图像在尺度空间中分别提取多尺度的特征点,构建特征点的描述方法,通过逐点扫描的方法计算提取点之间的相似度从而最终实现图像中相似特征点的匹配。论文的主要工作和创新点如下:　　 1.论文提出了Harris角点检测方法的改进方案。Harris角点检测方法是一种比较经典特征点提取方法,在特征点提取方法研究二十多年的时间里,该方法在目前的应用中还是处于主导地位。论文重点对Harris角点检测方法进行了深入研究,通过对Harris角点检测方法中的R函数特性详细分析,针对多尺度遥感图像的自动配准目标,提出了一种先提取R函数的峰值再设定阈值的方法。试验结果显示该方法提取特征点准确有效。　　 2.论文将Harris角点检测方法与高斯尺度空间方法相结合来提取图像的多尺度特征点。针对在单一尺度下提取出的特征点应用于多尺度空间匹配时存在的问题,论文将特征点提取与高斯尺度空间结合,在高斯尺度空间中利用Harris角点检测方法分别提取出特征点,通过对尺度空间不同尺度层次中提取出的特征点的比较合并,最终实现多尺度特征点的提取。　　 3.提出了一种对特征点进行尺度自适应描述的方法。通常对于特征点的描述都是采用特征点周围的一小块区域的区域特性来进行描述,但是对于尺度不同的图像中所提取的特征点依然采用这种通用的方法显然是不合适的,论文对特征点的描述方法采用了一种自适应的方法,即通过以特征点为中心向外扩散计算这一区域图像的熵值,取得最大的熵值的区域即为匹配所要确定的特征点的描述范围。　　 4.提出了一种消除图像方向差异对图像匹配的影响的方法。对于不同的图像,图像的方向往往不相同,消除其差异才能实现更精确的图像匹配,论文利用直方图统计的方法描述局部区域的方向直方图,直方图最大的方向即为区域的主方向,匹配之前先将该区域旋转到主方向上。通过实验,该方法能够有效消除不同图像中的方向差异,提高匹配效率。　　 5.论文利用TM、SPOT、P6等图像进行了匹配试验,结果表明在没有地理信息等先验知识的情况下,小区域的异源遥感图像的匹配结果正确率能够达到80％以上,实验结果令人满意。