宋智礼，张家齐，熊亮，何鹄

(1.上海应用技术大学 计算机科学与信息工程学院，上海 201418；2.中国人民解放军32184部队，北京 100071)

0 引言

随着遥感技术的发展，多模态遥感图像数量海量增长。不同模态之间有着丰富的互补特性，将不同模态的遥感图像联合起来应用有着极大的研究价值[1-2]。多模态遥感图像的配准作为多模态图像融合分析的第一步，其准确性直接影响着后续目标检测、目标识别、变化检测等应用的结果。虽然在遥感图像配准领域已经取得了显著的成就，但由于辐射差异、几何形变以及不同传感器和不同视点引起的非线性变化，多模态遥感图像的配准仍然是一个极具挑战性的任务。

图像配准方法一般可以分为2类：基于灰度信息的图像配准算法[3-4]和基于特征的图像配准算法[5-7]。基于灰度信息的方法利用一种相似度量函数来寻找2幅图像之间匹配的灰度模式信息；由于噪声引起的光强分布、光照变化和几何形变，该方法具有一定的局限性。基于特征的方法利用2幅图像中共有的特征信息(包括点、线、区域等)进行匹配。对于多模态图像，虽然图像对之间的结构特性和景观特性相似，但它们之间的纹理特性、噪声分布和灰度信息有很大的不同。经典的图像配准算法，包括尺度不变特征变换(scale-invariant feature transform，SIFT)[8]和加速鲁棒性特征(speed up robust features，SURF)[9]往往会受到影响，导致正确匹配率低。因此，提出一种可以用于多种遥感图像，具有较高精度和鲁棒性的图像配准算法，是一个亟待解决的问题。……