图像匹配技术是图像处理和模式识别中的重要研究内容,其应用领域相当广泛,它也是其它一些图像分析技术,如立体视觉、运动分析、数据融合等的基础。对于遥感图像而言,图像匹配技术最大的应用就是图像配准。传统的遥感图像配准方法主要依靠人工选取地面控制点进行几何校正,因此效率低下,精度易受主观因素影响；然而,采用图像匹配技术能自动提取控制点,无需人工干预(或只需少量的人工检查),进而实现遥感图像的自动匹配,对于遥感影像的应用具有重要意义。　　 本文在国内外研究基础上,分析了多源遥感图像自动匹配的特点和主要问题,开展了以下工作:　　 研究分析了遥感影像的信息量与影像可匹配性的关系,得出了影像的信息量越大,影像匹配成功率越高的结论。　　 本文结合遥感图像自动匹配的主要应用,进行了遥感图像目标检测和自动匹配实验。对其性能和适应性进行了分析对比,为不同条件下的遥感影像匹配提供了算法选择策略。实验表明:在目标检测方面,当目标影像的几何、灰度畸变不大的情况下,最小误差法匹配速度快,匹配效果好；而当目标影像出现旋转等几何畸变时就需要使用不变矩等与位置无关的匹配算法。　　 在自动匹配实验中,各方法提取出的正确匹配点对数分别为,SIFT:26对,Sobel:10对,Harris:4对；匹配点正确率分别为,SIFT:83.87％,Sobel:90.91％,Harris:26.67％;将匹配点进行几何纠正的R.MS为,SIFT:27.266米,Sobel:32.137米,Harris:55.783米；空间分布均匀性指标为,SIFT:124,Sobel:68,Harris:84。实验表明,基于SIFT特征的匹配算法性能稳定、适应性强,提取出的匹配点质量较高、空间分布比较均匀,比较适合于多源遥感图像的自动匹配。　　 同时,为遥感图像匹配中的难点--多源遥感图像自动匹配,以TM和SPOT影像为例提供了一套行之有效的匹配方案:包括图像预处理,特征提取,特征匹配,误匹配点删除和几何纠正五个步骤。最后,从应用开发的角度出发,结合GDAL开源库,在不借助任何商业开发包的条件下设计并开发了具有遥感图像自动匹配功能的软件系统。