李 培，姜 刚,2,，马千里，薛万峰，杨伟华

1.长安大学地质与测绘工程学院，陕西 西安 710054；2.西部矿产资源与地质工程教育部重点实验室，陕西 西安 710054

随着遥感技术的发展，多模态图像的数量显著增加。不同模态数据之间具有互补性，充分利用这些数据十分必要[1-2]。整合这些多模态数据的关键步骤是图像配准，即将不同时间、从不同角度或由不同传感器拍摄的具有重叠场景的两幅或多幅图像进行配准，是图像处理(如图像拼接[3-4]、目标识别[5]和变化检测[6])的一项基本任务[7-8]。由于不同模态图像的成像机制不同，多模态图像间存在显著的辐射量变化，导致同一地物在不用模态图像中的强度呈现出非线性畸变，这使得控制点的检测变得困难许多。

总的来说，多模态图像配准可以分为基于特征的和基于区域的[9]。基于特征的方法对图像几何畸变的稳健性更强，而基于区域的方法对图像之间的非线性强度差异有更好的抵抗力[10]。基于特征的方法提取稳定、可重复、显著的特征，利用特征之间的相关性来确定最优对齐，它们在多模态图像配准上的主要问题是依赖于图像之间提取重复率高的特征[11]。为了克服这个问题，文献[12]针对光学和SAR图像的固有特点，将光学和SAR图像放在两个Harris尺度空间中检测特征点，提出了OS-SIFT算法。文献[8]提出了PSO-SIFT算法，引入了一种梯度定义，并结合特征点的位置、尺度、方向信息来增强对应点的数量。文献[13]提出了RIFT (radiation invariant feature transform)算法，利用相位一致性 (phase congruency,PC)[14]进行特征点检测，并提出了最大索引图 (maximum index map,MIM)用于特征描述。……