随着红外成像技术在军事、遥感、医学等领域的广泛应用，红外与可见光图像的匹配问题引起了国内外研究者的普遍关注和深入研究。图像匹配的目的是找出可能在不同成像条件下获取的两幅或多幅图像的共同区域并确定它们之间的几何对应关系。图像匹配可以分为同源图像匹配和异源图像匹配，红外与可见光图像匹配属于异源图像匹配中的一类，其难点在于图像间同时存在着几何差异和光谱差异。红外和可见光图像间较为稳定的是边缘轮廓信息，本文着重研究了直线段特征的提取、扩展及其在匹配中的运用，主要包括:　　 红外成像系统在远距离对地探测时受传输影响导致接感知的场景温差较小，通常表现为图像信噪比较低，已有的直线段检测算法难以有效检测出低信噪比图像中的直线段特征。本文定义了区域非各向同性度，数学上证明了直线区域梯度具有相位一致性;通过统计计算图像原始梯度场上每个图像点邻域内梯度分布，提出了一种新的稳健的直线段检测算法。对比实验表明本文的直线段检测算法更能有效的抑制噪声干扰。　　 针对异源图像灰度信息不可用作匹配，而单条直线段所包含的信息难以进行可靠匹配的实际问题，本文将局部邻域中的直线段组合成具有仿射不变性的直线编组，得到了一种稳定的中层特征，给出了特征描述及图像匹配应用方法。实验表明该算法能有效的实现宽基线条件下红外与可见光的匹配问题。　　 窄基线条件下异源图像匹配可简化为参数优化问题。研究发现，基于隐相似度的匹配算法中函数最优值与正确的空间映射关系不对应。针对该问题，本文对直线特征的内涵及其匹配处理进行了泛化，提出了一种新颖的称为隐直线度的相似度量作为目标函数，等效地将基准图直线段特征和实时图的图像区域进行匹配，进一步通过多分辨率分析，由粗到精用Powell算法进行参数寻优得到了正确的空间映射关系。实验结果表明，本文算法能够有效实现红外与可见光图像的自动配准，并且在实时性上比已有算法有很大提高。　　 最后指出自动目标识别难点是类目标识别，已有的基于图像外观灰度的特征提取算法并不适合于类目标识别问题，边缘轮廓形状这些结构特征才是可靠的类别特征。由于巨大的目标类别数据库使得为每个类别都建立模型然后依次计算的处理方式难以满足实时性要求，需要更加有效的中层形状特征提取方法以提供类别目标的快速索引。图像的结构化特征提取和中层形状特征编组是重要的研究方向。