樊仲藜，张 力，王庆栋，刘思婷,2，叶沅鑫

1. 中国测绘科学研究院，北京 100039; 2. 兰州交通大学测绘与地理信息学院, 甘肃 兰州 730070; 3. 西南交通大学地球科学与环境工程学院，四川 成都 611756

近年来，随着SAR影像数据在地理国情监测[1]、地表沉降变化检测[2]等领域发挥的作用越来越显著，其与光学影像截然不同的成像机理与特性引起学术界和工业界的广泛关注。结合SAR影像与光学影像各自优势，实现对大量地表特性信息的互补，能够更好地解决变化检测、目标识别、地物分类等任务。目前SAR影像和光学影像联合应用的关键前提在于影像匹配，影像匹配的本质是在多幅影像之间寻找同名点的过程[3]，但是由于SAR影像独特的成像机理，使其与光学影像之间存在显著的非线性灰度差异，同时SAR影像还会受到严重的相干斑噪声干扰[4]，这些影响因素使光学影像上的显著特征点在SAR影像上极不稳定，甚至失效，导致现有的影像匹配技术难以应用于SAR影像和光学影像间的匹配，因此SAR影像和光学影像的匹配技术是目前遥感领域的难点，也是热点研究问题之一[5-7]。

影像匹配方法主要可分为基于特征的方法、基于区域的方法[8]和基于深度学习的方法[9-10]。基于特征的方法通过在输入的影像之间提取共有特征，并检测特征间的相似性来实现影像匹配。这些影像特征可以是点特征[11]、线特征[12]、面特征[13]或是局部不变性特征(SIFT[14]、SURF[15]等)。为了得到较好的匹配效果，检测到的影像特征应具有良好的稳定性、可区分性和可重复性，但是在具有显著非线性灰度差异的影像之间很难提取到具有高重复率的共有特征，从而导致匹配不到足够数量的同名点，使得此类方法在SAR影像和光学影像匹配任务上失败。……