异源图像匹配技术在模式识别、导航制导、医学诊断和计算机视觉等领域中广泛应用,特别在军事领域有着特殊的意义。本文基于人类对图像的认知过程,对基于粗大轮廓的异源图像匹配技术进行了研究。首先,根据异源图像的成像原理和特点研究了异源图像中粗大边缘的形成,给出了图像粗大边缘的定义,提出了基于粗大轮廓的异源图像匹配技术。其次,为了提取异源图像中的粗大边缘这一共性特征,对图像进行边缘检测。根据异源图像粗大边缘的定义和灰度分布特点,提出了一种基于力场转换的异源图像粗大边缘检测新方法。根据万有引力的概念计算图像中各像素点受到合力的大小和方向;通过实验研究粗大边缘像素点的合力大小和方向特征,由此得到了粗大边缘点的确定方法;对粗大边缘的二值图像进行边界跟踪,从而获得图像的粗大轮廓。然后,为了克服尺度空间的变换对轮廓形状的影响和图像边缘提取中的突变和毛刺等噪声,研究了基于道格拉斯-普克和基于曲率尺度空间的轮廓去噪、拟合方法,通过实验分析量化了图像分辨率和轮廓形状变换之间的关系,获得了同一尺度下的平滑轮廓。最后,对轮廓匹配进行了研究。通过研究分析当前的轮廓描述和匹配方法,提出了基于质心距离倒数积分的闭合轮廓特征不变量描述和基于局部曲率的开曲线特征不变量描述;研究了特征不变量的对应性重建,获得了最终的匹配点对,实现了基于粗大轮廓的异源图像匹配。实验结果表明,本文提出的基于粗大轮廓的异源图像匹配方法,有效地克服了噪声和尺度变化对异源图像匹配的影响,对具有旋转、平移和缩放变化的异源图像匹配具有较好的稳健性。