在倾斜摄影、大姿态变化多基线摄影、无人轻小平台对地遥感成像情况下,大量的遥感影像具有几何畸变严重、范围小、重叠度高等特点。而在实际应用中,人们经常会用到超出人眼视网膜范围甚至是更大范围的全景高分辨率图像。普通数码相机的视野范围往往难以满足要求,即使调节相机焦距所能拍摄到的视野范围也相当有限。这就需要影像配准技术将这些小范围的影像对应起来形成大范围、宽视角的影像。常用的影像配准是基于特征的配准,这对多视角以及有光照变化的遥感影像来说,特征点的精确提取至关重要;而且现在影像的获取几乎是全天候的,难免会受到光照变化的影响,这就对匹配算法提出了要求。针对这一现状,本论文开展了遥感影像不变特征提取与表达算法的研究。主要工作如下:1.阐述了论文研究的背景和意义,对当前点特征提取,描述符生成算法的研究现状进行了介绍、分析与总结,得出来图像匹配算法中仍然存在的主要问题。2.对目前常用的几种特征点提取算法Harris、Shi-Tomasi、SUSAN和SIFT算法的原理进行了介绍,紧接着对它们做了效率、精度和适应性方面的对比实验,并对结果进行了分析从而得出了各算法在各方面的优劣性。3.针对Shi-Tomasi算法对图像发生尺度变化时不具有鲁棒性的缺点,通过构建Laplace尺度空间提取角点使其具有尺度不变性。但是,由于提取到的角点有聚集现象,不利于后面寻找匹配点。为此,提出了一种对特征点分组的方法,将具有相同结构的特征点分到相同的组内,然后对每组内的角点按照响应值进行加权处理,得到较精确的角点。实验结果表明,改进的算法在尺度不变性方面性能得到了较大的提高,同时能够减少角点的聚集现象。最后,对三种亚像素角点定位方法进行了比较,通过实验得出向量点积法效果最好。4.针对SURF算法不具有光照不变性的缺点,提出了一种基于亮度排序来构造描述符的方法,通过实验验证,改进后的算法在线性和非线性光照变化的情况下均具有较好的表现性能。接着用亮度排序构造的描述符对改进的Shi-Tomasi算法进行了描述,得出稳定性比SURF算法要好,但是其提取的正确匹配点对数较少。