景象匹配是一种依靠传感器、图像匹配等先进技术,对飞行器进行精确定位的辅助导航技术。景象匹配指的是将一个图像区域从同一场景的的其他设备得到的区域中定位所在位置或找到它们之间变换参数的一种重要的图像分析和处理技术。其图像匹配技术在导航制导的末段使用,增加匹配精度,加强制导系统的自主性。目前,景象匹配技术在遥感图像处理、机器视觉、导弹制导、医学等领域有很多的应用。随着国家对航空和航天技术投入,景象匹配的性能要求匹配精度逐步提高,实时性逐渐加强;同时导航系统还应满足飞行器高机动性、全天时工作等更高的性能要求。因此高匹配精度、实时抗干扰的匹配技术是近年来研究的重点。本文主要研究了多尺度分析的图像匹配算法。利用非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)作为多分辨率分析的工具,针对红外和可见光图像的成像特点,对异源图像的景象匹配问题进行了研究,并提出相应算法。1.在研究了传统的降噪增强算法的基础上,针对红外图像成像质量差等问题,本章提出了一种NSCT域和空域联合的红外图像降噪和增强方法。该方法首先将算法空间变换到NSCT域,对包含噪声的图像系数按照3?准则进行处理,实现NSCT域红外图像降噪。然后在空域建立的归一化非完全贝塔灰度变换模型,实现低分辨率下低频图像增强。该方法能够完整地保留图像轮廓特征,达到增强图像质量的效果。2.在研究了多尺度图像分析理论的基础上,针对以可见光图像作匹配基准图、红外图像作实时图的问题,基于多尺度分析的景象匹配算法,提出多尺度NSCT域Krawtchouk不变矩特征的景象匹配算法。从特征空间、搜索空间和搜索策略三个方面对匹配算法进行改进,将不变矩引入特征空间利用其良好的不变性提取不变矩特征参与匹配,将特征的搜索空间带入NSCT域进一步压缩搜索空间,并利用改进的遗传算法提高搜索速度。实验表明本算法不仅具有更高的精度和速度,而且鲁棒性好。3.利用NSCT系数的稀疏性、多尺度性和各向异性,SIFT特征在图像描述上良好的的稳定性,针对景象匹配改进SIFT特征的提取,提出一种结合NSCT与改进的SIFT的景象匹配算法。该算法在NSCT域下提取改进的SIFT描述符,从搜索空间和特征空间两方面增强算法的鲁棒性,实验表明该算法能抵抗一定的噪声干扰和几何畸变。本文研究内容对于解决景象匹配中高精度,高可靠性的需求,提供了一种崭新的思路,具有一定的实用价值,可应用于可见光图像作为匹配基准图,实时图为红外图像的景象匹配问题。