遥感影像匹配技术研究
测绘技术在遥感图像匹配和定位中的应用方法和技巧
测绘技术在遥感图像匹配和定位中的应用方法和技巧近年来，随着科技的迅速发展，遥感技术在地理信息系统领域得到了广泛应用。
遥感图像的匹配和定位是遥感技术中重要的研究内容，它们为测绘技术的进一步发展提供了新思路和方法。
本文将探讨测绘技术在遥感图像匹配和定位中的应用方法和技巧。
一、遥感图像匹配在遥感图像匹配中，测绘技术起到了至关重要的作用。
首先，通过测绘技术，我们可以提取出遥感图像中的地物特征。
这些特征包括建筑物轮廓、道路线条以及水体面积等。
通过对这些特征的提取和分析，我们可以获取目标物体的空间信息。
在匹配过程中，我们可以通过对两幅图像中的地物特征进行对比，来判断它们的相似度。
这种基于特征的匹配方法能够大大提高匹配的准确性和效率。
其次，测绘技术还可以通过地理坐标系统对遥感影像进行校正和纠正。
由于地球表面的形状复杂多变，遥感图像的形变是难以避免的。
而测绘技术可以通过建立精确的地理坐标系统，对图像进行几何校正和纠正，使其更符合实际地理环境。
在匹配过程中，我们可以利用这些校正和纠正后的图像，提高匹配的精度和可靠性。
此外，测绘技术还可以借助地形高程数据，对遥感图像进行立体匹配。
当遥感图像中存在高程信息时，我们可以通过测绘技术获得地形高程数据，并与图像进行配准和匹配。
通过立体匹配，我们可以更准确地确定图像中地物的位置和形态，从而提高遥感图像匹配的质量。
二、遥感图像定位遥感图像定位是指通过遥感图像来确定地物的准确位置。
在定位过程中，测绘技术起到了关键的作用。
首先，测绘技术可以通过GPS(Global Positioning System)定位系统来获取地物的精确经纬度坐标。
然后，我们可以将这些坐标与遥感图像进行对应，从而确定图像中地物的位置。
这种基于GPS的定位方法能够提高遥感图像定位的精度和可靠性。
其次，测绘技术还可以通过辅助数据来进行图像定位。
在定位过程中，我们可以利用测绘技术获取的地形高程数据，对遥感图像进行高程配准和定位。
遥感影像镶嵌实验报告(3篇)
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
使用影像匹配技术进行遥感图像配准的方法和工具
使用影像匹配技术进行遥感图像配准的方法和工具随着遥感技术的快速发展，遥感图像在地理信息系统、环境监测、农业生产等领域得到了广泛应用。
然而，由于受到各种因素的影响，遥感图像之间存在着位置、尺度、方向等差异，这就给图像分析和处理带来了一定的困难。
为了解决这个问题，人们研究出了遥感图像配准技术，其中影像匹配技术是其中一种常用的方法。
影像匹配是指将不同图像中相应位置的像素进行对齐和匹配，以实现图像间的准确对比和融合。
遥感图像的影像匹配技术通常分为两类：基于特征点的匹配和基于区域的匹配。
基于特征点的匹配方法是最常见和基础的一种匹配算法。
该方法通过提取图像中的特征点，比如角点、边缘等，然后计算特征点的描述子，再通过描述子的相似性进行匹配。
在匹配过程中，通常采用各种几何变换模型，如仿射变换、透视变换等，来描述图像间的差异。
该方法的优点是计算量较小、速度较快，能够对几乎所有类型的遥感图像进行匹配。
然而，由于特征点的提取和匹配过程中存在遮挡、光照变化等干扰因素，基于特征点的匹配方法往往存在一定的不准确性。
基于区域的匹配方法是一种相对于特征点匹配更为复杂的匹配方法。
该方法利用图像的颜色、纹理、形状等特征进行匹配，以提高匹配的准确性。
一种常用的基于区域的匹配算法是基于灰度共生矩阵（GLCM）的匹配算法。
GLCM是描述图像纹理特征的一种统计方法，通过计算图像灰度级邻域像素间的灰度共生矩阵，可以得到图像的纹理信息。
在匹配过程中，通过比较不同图像间的GLCM特征来确定最佳匹配区域。
虽然基于区域的匹配方法准确性较高，但其计算复杂度较高，处理时间较长，适用性也相对较差。
除了上述的匹配方法，还有一些专门用于影像匹配的工具和软件。
例如，ENVI、Erdas等商业软件都提供了图像配准的功能模块，可以方便地进行影像配准操作。
此外，还有一些开源软件，如OpenCV、SIFT等，也提供了图像配准的开发库和算法。
用户可以根据自己的需求选择合适的工具和软件来进行影像配准。
遥感图像配准技术与精度评定方法
遥感图像配准技术与精度评定方法引言：遥感图像是通过卫星、飞机等空中平台获取的地球表面的影像数据，它在各个学科领域中有着广泛的应用。
在实际应用中，遥感图像配准技术是一项关键的技术，它能够将多幅图像进行几何校正，以确保它们在同一坐标系下具有一致的几何特征，进而提高遥感影像的解译和分析的准确性。
本文将介绍遥感图像配准技术的原理和方法，并探讨相应的精度评定方法。
一、遥感图像配准技术原理遥感图像配准技术的基本原理是通过提取图像中的特征点，并通过匹配这些特征点来实现图像的几何校正。
根据匹配的原理和方法的不同，遥感图像配准技术可以分为点特征匹配法、区域特征匹配法和基于控制点的配准法等。
1. 点特征匹配法点特征匹配法是基于图像中的离散像素点进行配准的方法。
它通过寻找同一地物的相应像素点，并计算它们之间的几何变换关系来实现图像配准。
这种方法的优点是计算简单，但对于遥感图像中存在复杂地物和纹理的情况，点特征匹配法的效果较差。
2. 区域特征匹配法区域特征匹配法是基于图像中的纹理和结构信息进行配准的方法。
它通过提取图像中的区域特征，并计算它们之间的相似性来实现图像配准。
这种方法的优点是对遥感图像中的复杂地物和纹理有较好的适应性，但计算复杂度较高。
3. 基于控制点的配准法基于控制点的配准法是通过已知位置的控制点来实现图像配准。
它通过提取图像和参考影像中的控制点，并计算它们之间的变换关系来实现图像配准。
这种方法的优点是精度较高，但需要准确的控制点信息。
二、遥感图像配准技术方法遥感图像配准技术的方法多种多样，下面将介绍几种常用的方法。
1. 特征点提取与匹配该方法通过使用特征点检测算法（如SIFT、SURF等）来提取图像中的特征点，再使用特征点匹配算法（如RANSAC等）来进行特征点的匹配，以实现图像的配准。
2. 多尺度配准该方法通过使用金字塔多尺度图像处理方法，将原始图像金字塔进行分解，然后将不同层次的图像进行配准，逐步实现图像的几何校正。
ENVI遥感图像配准实验报告
ENVI遥感图像配准一、实验目的：1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。
2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。
3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。
二、实验原理（1）最邻近法最邻近法是将最邻近的像元值赋予新像元。
该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。
缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。
适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。
双线性内插方法是使用临近4个点的像元值，按照其距内插点的距离赋予不同的权重，进行线性内插。
该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值，在后来的波谱识别分类分析中，会引起一些问题。
示意图：由梯形计算公式：故同理最终得：三次卷积内插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。
使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性内插相似，先在 Y 方向内插四次（或 X 方向），再在 X 方向（或 Y 方向）内插四次，最终得到该像元的栅格值。
该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域范围。
适用于航片和遥感影像的重采样。
作为对双线性内插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域内像素的灰度值作三次插值。
其三次多项式表示为：我们可以设需要计算点的灰度值f（x,y）为：其中：计算后可得出：（4）算法比较示意图：三、实验内容：1、熟练使用ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。
2、初步了解学会图像处理的基本流程。
3、手动选择控制点，对所给的两幅图像bldr_tm.img和bldr_sp.img进行精确配准。
测绘技术中的遥感影像配准方法
测绘技术中的遥感影像配准方法引言遥感技术在测绘领域中扮演着重要的角色，它可以通过卫星、飞机等传感器获取地球表面的数据。
然而，由于不同传感器、不同时间获取的数据存在空间和时间上的差异，需要进行影像配准来融合和比较这些数据。
本文将介绍测绘技术中常用的遥感影像配准方法。
一、特征点匹配法特征点匹配法是一种常用的配准方法，也是最直观和简单的方法之一。
该方法基于图像中的特征点，通过将两幅影像中的对应特征点进行匹配，来实现影像的配准。
在这个过程中，可以采用特征描述子来提取特征点的信息，如SIFT（尺度不变特征变换）和SURF（加速稳健特征）等算法。
二、直接法直接法是一种比较常见的配准方法，它通过像素级的匹配来将两幅影像对齐。
这种方法的优点是简单直接，可以在不考虑图像特征的情况下完成配准，但由于像素匹配的计算量较大，所以在处理大尺寸影像时效率较低。
三、控制点法控制点法是一种基于地面控制点的配准方法。
它首先在待配准影像和参考影像中选择具有较好识别度的标志物作为控制点，然后通过测量这些控制点在两幅影像中的坐标，建立空间转换模型，进而实现影像的配准。
这种方法精度较高，适用于对地物变化较大的区域进行配准。
四、基于影像几何校正模型的配准方法利用影像几何校正模型进行配准是一种比较常见的方法，它主要根据空间变换模型进行配准。
常用的几何校正模型有平移、旋转、仿射和投影等。
通过对影像进行几何校正，可以将其与参考影像进行对比和融合，以获得更加准确和具有空间一致性的结果。
五、基于图像配准质量评估的方法在影像配准过程中，如何评估配准结果的质量是一个重要的问题。
一种常用的方法是计算影像配准后的残差误差，该误差越小，表示配准效果越好。
另外，可以利用图像质量评价指标，如峰值信噪比（PSNR）和结构相似性（SSIM）等指标来评估配准结果的质量。
六、配准精度与应用影像配准的精度对于后续的测绘应用具有重要影响。
在地图制图、城市规划、资源调查和环境监测等领域，高精度的影像配准可以提供准确的地理信息，为决策和规划提供支持。
无人机遥感影像处理中的图像配准与目标提取研究
无人机遥感影像处理中的图像配准与目标提取研究第一章引言无人机遥感技术的快速发展使得无人机在地理信息获取和环境监测等领域发挥了重要作用。
其中，无人机遥感影像处理是无人机遥感技术中不可或缺的环节。
图像配准与目标提取是无人机遥感影像处理中的关键问题，对于相关研究具有重要意义。
本章将介绍研究背景、研究目的和研究意义。
第二章无人机遥感影像的图像配准2.1 图像配准的定义和作用2.2 无人机遥感影像图像配准的流程2.3 图像配准的方法和算法2.3.1 特征点匹配算法2.3.2 区域匹配算法2.3.3 非特征点方法2.4 无人机遥感影像图像配准实验与评估2.5 图像配准在无人机遥感影像处理中的应用案例第三章无人机遥感影像的目标提取3.1 目标提取的定义和作用3.2 无人机遥感影像目标提取的流程3.3 目标提取的方法和算法3.3.1 基于阈值分割的目标提取方法3.3.2 基于模型的目标提取方法3.3.3 基于机器学习的目标提取方法3.4 无人机遥感影像目标提取实验与评估3.5 目标提取在无人机遥感影像处理中的应用案例第四章结果与分析4.1 图像配准算法的比较与评估4.2 目标提取算法的比较与评估4.3 实验结果的分析与讨论第五章研究总结与展望5.1 研究总结5.2 研究成果与创新点5.3 研究的不足和展望第六章参考文献该文章旨在探讨无人机遥感影像处理中的图像配准与目标提取问题，通过系统的文献调研和实验数据的分析，提出相应的方法和算法，并进行了实验评估和结果分析。
文章内容专业性强，分章节介绍了图像配准与目标提取的定义、作用、流程、方法、算法以及实验评估和应用案例等相关内容。
最后，对研究结果进行总结和展望，为进一步研究提供了方向和指导。
测绘技术中的遥感影像匹配与配准方法
测绘技术中的遥感影像匹配与配准方法遥感影像匹配与配准方法是测绘技术中的重要研究内容。
遥感影像匹配是指将不同时间或不同传感器获取的遥感影像进行比对，找出它们之间的相似性和差异性。
而遥感影像配准则是将不同时间或不同传感器获取的遥感影像进行几何校正，使它们在空间上具有一致的坐标和尺度。
在测绘应用中，遥感影像匹配与配准是非常关键的。
首先，它们能够帮助提取地表特征和地物信息。
通过匹配不同时间的遥感影像，我们可以观测到地表的变化情况，例如城市的扩张、农田的变化等。
通过配准不同传感器获取的遥感影像，我们可以获得一致的地物几何信息，从而进行更精确的测量和分析。
其次，遥感影像匹配与配准还可以用于制作地图和更新地理信息数据库。
通过将不同时间或不同传感器获取的遥感影像进行匹配和配准，可以实现地图的更新和变化监测，为城市规划、土地管理等提供决策支持。
遥感影像匹配与配准的方法有很多种。
其中，基于特征点的方法是最常用的一种。
该方法通过提取影像中的特征点，比如角点、边缘等，然后利用特征点之间的相互关系进行匹配和配准。
这种方法具有计算速度快、适用范围广的特点，但对于存在大量相似的地物和复杂的地形条件，其匹配结果可能存在误差。
为了解决这个问题，研究人员还提出了基于区域的匹配与配准方法。
该方法首先将影像划分为若干个区域，然后对每个区域进行特征提取和匹配，最后将各个区域的匹配结果进行整合。
这种方法能够更好地处理影像中存在的局部匹配问题，但对于区域划分和整合过程的准确性要求较高。
除了基于特征点和区域的方法外，还有一些其他的遥感影像匹配与配准方法。
例如，基于模型的方法利用地物的几何特征和变换模型进行匹配和配准。
这种方法适用于具有明显几何特征的地物，如建筑物、道路等。
另一种方法是基于图像配准校正点的方法，该方法通过选取几个具有已知准确坐标的地物作为控制点，利用它们在遥感影像中的位置信息进行匹配和配准。
这种方法能够提高配准的精度，但需要事先获取控制点的准确坐标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
起 ， 主 要 分 为 空 间域 和 频 率域 匹 配 两 大部 分 。 者 对 该 领 域 的 经典 方 法进 行 了总 结 归 纳 ， 从 原 理 和 性 能 上 对 各 种 其 笔 并 算 法进 行 了 对 比 分析 ， 出各 算 法 在 影 像 匹 配 中 的优 势及 存 在 的 问题 。 指 关 键 词 ： 像 匹配 ；计 算 法 ；区域 匹配 ； 征 匹 配 影 特
Ａｂ ｔ ａ ｔ ｍａ ｅ ｍａ ｃ ｉ ｇ ｉ ａ ｆ ｓ ｄ ｖ ｌ ｐ ｎ ｅ ｈ ｉ ｕ ｎ ｉ ｇ ｒ ｃ ｓ ｉ ｇ ｔ ｉ ｗｉ ｅｙ ｕ ｅ ｎ ｔ ｅ ｆ ｌ ｆ ｉ ｇ ｓ ｒ ｃ ：Ｉ ｇ ｔ ｈ ｎ ｓ ａ ｔ ｅ ｅｏ ｉ ｇ ｔｃ ｎ ｑ ｅ ｉ ｍａ ｅ ｐ ｏ ｅ ｓ ．Ｉ ｓ ｄ ｌ ｓ ｄ ｉ ｈ ｅ ｄ ｏ ｍａ ｅ ｎ ｉ ｍｏ ａｃ ｉ ｇ ｉ ｇ ｓ ｎ，ｍｉ ｔ ｒ ｎ Ｏ ｏ ． ｍａ ｅｍａｃ ｉ ｇｉ ｃ ｎ ｑ ｅｗｈ ｃ ｉ ｋ ｒｍｏ ｅ ｉ ｇ ｓｉｔ ｎ ｓ ｉｋ ｎ ， ｍａ ｅｆ ｉ ｕ ｏ ｌ ａ ｙａ ｄ Ｓ ｎ Ｉ ｇ ｔｈ ｎ ａｔ ｈ ｉｕ ｉ ｈ ａｍｓｔ ｍａ ｅ ｔ ｏ ｒ ｉ ｓ ｅ ｏ ｗｏ ｍａ ｅ ｎ ｏｏ ｅ ｓ ｓｅ ａ ｄ ｍａ ｅ ｔ ｅ ａ ｎ ｉｔ ｒ ｈ ｔｃ ｖ ｒ ａ ｇ ｅ ｉｎ Ｔｈ ｓ ｅ ｈ ｏｏ ｉ ｓ ａｅ ｄ ｖ ｄ ｄ ｉ ｔ ｗ ａ ｅ ｏ ｅ ： ｐ ｔａ・ ｙ ｔｍ ｎ ｋ ； ｈ ｍ ｓ ｏ ｅ ｐ ｃ ｕ ｅ ｔ ａ ｏ ｅ ｓａ ｌｒ ｅ ｒ ｇｏ ． ｅ ｅｔ ｃ ｎ ｌｇ ｅ ｒ ｉｉ ｅ ｎ ｏ ｔ ｏ ｃ ｔ ｇ ｒ ｓ ｓ ａｉｌ ｉ
第 ｌ ９卷 第 ２ ０期
Ｖｏ ．９ １ ቤተ መጻሕፍቲ ባይዱ １
Ｎｏ ２ ．０
电子设 计 工程
Ｅｌ ｃｒ ｎｉ ｓｇ ｇ ｎ ｅ ｉ ｇ ｅ ｔｏ ｃＤｅ ｉ ｎ Ｅｎ ｉ ｅ ｒｎ
２１年 １ ０１ ０月
Ｏｃ ．２ １ ｔ ０１
遥感影 像 匹配技 术研 究
郑 悦， 程 红 ，孙 文邦 ，苏清 贺
区 域 灰 度 、 于 特 征 和基 于对 图像 的 理 解 和 解 释 的 匹 配 方 法 基
航 空 影 像 覆 盖 的地 面 范 围 有 限 ． 获 得 大 规 模 地 区 的 遥 为
高 、 度 快 的 特 点 ， 率 域 的 匹 配 涉 及 到 空 间域 与 频 率 域 的 速 频 转换 ， 复 杂 ， 较 要求 较 高 。现 有 的影 像 匹 配 方 法 主 要 分 为 基 于
ｒ ｇ ｓ ａ ｉｎ ｐ ｒｏｍａ ｃ ｎ ｕ ｒ ａ ｄｔ ｅ ａ ｖ ｎ ａ ｅ ｎ ｉ ｄ ａ ｔ ｇ ｓ ｆ ａ ｈ ｍｅｈ ｄ ． ｅ ｉｔ ｔ ｅ ｆ ｒ ｎ ｅａ ｄｐ ｔ ｏ ｗ ｒ ｄ ａ ｔｇ ｓａ ｄ ｄ ｓ ｖ ｎ ａ ｅ ｃ ｔ ｏ ｓ ｒ ｏ ｆ ｈ ａ ｏｅ Ｋｅ ｒ ｓ ｍａ ｅ ｍａ ｃ ｉ ｇ ａ ｃ ｌ ｔ ｎ；ｒ ｇ ｏ ｔ ｈ ｎ ；ｆａ ｕ ｅ ｍａｃ ｉ ｇ ｙ ｗｏ ｄ ：Ｉ ｇ ｔ ｈ ｎ ；ｃ ｌ ｕ ａｉ ｏ ｅ ｉ ｎ ｍａｃ ｉ ｇ ｅ ｔ ｒ ｔ ｈ ｎ
Ｚ Ｅ ＧＹ ｅ Ｃ Ｅ ＧＨｏｇ Ｓ Ｎ Ｗｅ—ａｇ Ｓ ｉｇ ｅ Ｈ Ｎ ｕ ， Ｈ Ｎ ｎ ， Ｕ ｎｂ ｎ ， Ｕ Ｑｎ — ｈ （ ｅａｔ ｅ ｔｆ ｅ ｉ ｙ Ａ ｉ ｉ ｎ ｅ ｉ ａｒ ｏｃ ， ｈｎ ｃｕ ３０ ２ Ｃ ｉａ Ｄ ｐ ｒ ｎ ｃ ｈ ， ｖ ｔ ｎＵ ｉ ｒｔ ｏ ｉＦ ｒｅ Ｃ ａｇ ｈ ｎ１０ ２ ， ｈｎ ） ｍ ｏ ａ ａｏ ｖ ｓ ｙｆ
中 图分 类 号 ： ５ ｌ 文献标识码 ： Ａ 文 章 编 号 ：１ ７ — ２ ６ ２ １ ） ０ ０ ９ — ４ ６ ４ ６ ３ （０ １２ — ０ ７ ０
Ｒｅ ｉ ｗ ｏ ｅ ｔ ｅ ｓｎｇ ｉ ａ ｅ ｍ ｏ ａ ｃ ｉ ｇ ｖ ｅ ｆ ｒ ｒ ｍｏ ｅ ｓ ｎ ｉ ｍ ｇ ｓ ｉ ｋ ｎ
（ 国人 民解 放 军 空 军航 空 大 学 特 种 专 业 系 ，吉林 长 春 １ ０ ２ ） 中 ３ ０ ２
摘 要 ：影 像 匹配 技 术 是 一 门迅 速 发 展 的 图像 处理 技 术 ， 图像 镶嵌 ， 在 图像 融 合 ， 事 侦 察 等 领 域 有 广 泛应 用 。 影 像 匹 军
ｄ ｍａｎ ａ ｄ ｆ ｑ ｅ ｃ ｏ ｉ ．Ｔ ｉ ｓ ａ ｉ ｌ ｏ ｕ ｅ ｎ ｔ ｅ ｃａ ｓ ａ ｔ ｏ ｓ ｏ ｈ ｍａ ｅ ｍａ ｃ ｉ ｇ ｏ ｈ ａ ｅ ｏ ｏ ｉ ｎ ｒ ｕ ｎ ｙ ｄ ｍａ ｎ ｈ ｓ ｅ ｓ ｙ ｍａｎ ｙ ｆ ｃ ｓ ｄ ｏ ｈ ｌｓ ｉ ｌ ｍｅｈ ｄ ｆ ｔ ｅ ｉ ｇ ｔ ｈ ｎ ｎ ｔ ｅ ｂ ｓ ｆ ｅ ｃ
ｄ ａ ｎ ｅ ｓ ｎ ｒｍ ｈ ｅ ｅ ｒ ｈ ｅ ｕ ｔ ｆ ｐ ｅ ｅ ｅ ｓ ｒ ， ｃ ｍｐ ｅ ｉ ｅｅ ｔ ｍｅｈ ｄ ｒ ｍ ｓ ｅ ｔ ｆ ｐ ｎ ｉ ｌ ｓ ａ ｄ ｒ ｗｉ ｇ ｌ ｓｏ ｓ ｆ ｏ ｔ ｅ ｒ ｓ ａ ｃ ｒ ｓ ｌ ｏ ｒ ｄ ｃ ｓｏ ｓ ｓ ｏ ａ ｄ ｄｆ ｒｎ ｔ ｏ ｓ ｆ ｒ ｏ ａｐ ｃｓ ｏ ｒ ｃｐｅ ｎ ｉ