图像匹配技术已在军事领域、重大灾情监测及资源探测等领域有着广泛应用,尤其是在精确制导领域,该技术现已占据着重要的地位。目前,各国已开展基于惯性制导与图像匹配相结合的制导技术的研究,将目标打击精度提高至米级。在图像匹配制导过程中,通常采用卫星SAR图像与实时SAR图像进行匹配,由于我国现有技术条件限制,多采用光学图像作为基准图,SAR图像作为匹配实时图。然而,由于二者的成像机理不同,光学与SAR图像间往往存在较大的灰度差异,传统基于灰度信息特征描述的图像匹配算法不再适用。因此,研究精度高、实时性强的光学与SAR图像匹配方法对精确制导武器的研制具有重要的意义。针对上述问题,为了有效避免图像的灰度的非线性差异对匹配带来的影响,本文采用基于结构信息的特征描述方法,研究光学与SAR图像之间的匹配问题。以SAR图像线特征检测研究为基础,开展基于场景线特征的图像目标区域标定与基于区域结构特征的光学与SAR图像匹配方法的研究。本文的具体研究内容主要包括以下三个方面:1、针对SAR图像线特征检测问题,本文首先研究传统线特征检测方法,并讨论SAR图像中的相干斑噪声对线特征检测结果影响。基于该问题,本文结合指数加权均值比(Ratio of Exponentially Weighted Averages,ROEWA)算法和LSD算法,提出基于ROEWA-LSD混合模型线特征检测方法,有效克服SAR图像中斑点噪声造成的影响,并通过仿真实验验证了该算法能够提高线特征检测精度,同时解决线特征断裂问题。2、研究SAR图像目标区域标定问题。本文采用的结构信息主要为图像中目标区域的几何结构特征。为在SAR图像中实现更为精确的目标特征区域标定,在本文提出的线特征检测方法的基础上结合先验信息,实现对目标区域的位置信息进行精确的标定,并采用区域增长算法剔除非目标区域特征。3、针对光学与SAR图像匹配,采用由粗到精的匹配策略,提出一种基于结构特征的图像匹配方法。粗匹配通过Delaunay三角网格匹配方法实现,有效解决图像旋转对匹配结果造成的影响。采用基于Hausdorff测度的模板匹配方法完成精匹配,在粗匹配结果的基础上,对精匹配搜索区间进行进一步的约束,缩小搜索范围,提高算法实时性。此外,为解决实时图中非线性畸变造成影响匹配精度的问题,本文研究一种图像非线性映射方法,并通过仿真实验验证了算法的有效性。