几何特征匹配是计算机视觉、图像理解以及摄影测量与遥感等领域长期研究的一个基本问题,其目的是建立不同视角、不同传感器或不同时相获取的两幅或多幅图像中提取的几何特征之间的对应性,或者建立图像与目标模型或模板中几何特征之间的对应性,它是图像配准、目标识别、目标三维重建以及图像序列分析等任务中的关键步骤。在几何特征匹配问题中,目前大部分算法没有考虑特征各种参数提取结果的不确定性,而是简单认为它们是对图像特征真实和准确的反映。在特征匹配阶段,它们也是同等地看待提取的每一个待匹配特征,这些都会影响匹配的精度,甚至会导致匹配失败。因此,对特征的不确定性问题进行研究是十分必要的。论文在分析点、线等几何特征不确定性的基础上,主要研究考虑特征不确定性的遥感图像配准问题,论文的研究成果和创新点主要包括:(1)提出了一种基于Vague集的几何特征不确定性建模及其相似度求解算法。算法首先对位置、长度等特征参数进行了不确定性分析和建模,然后对考虑不确定性特征之间的相似度进行了定义和求解。克服了传统算法匹配误差大、难以寻找最优对应关系的问题。另外,相对于传统方法在计算特征相似度时只考虑特征之间的对应程度即赞成度的情况,本文方法还兼顾了特征之间的排斥程度即反对度,得到的结果更加合理。(2)提出了一种综合考虑图像灰度分布和边缘信息的角点提取算法和一种考虑不确定性的点特征匹配策略。在角点提取算法中,首先提取图像中满足要求的边缘并进行编组;然后计算各边缘点属性及相应的分形特征值;最后利用局部非最大值抑制提取出满足要求的角点。相对于单一利用灰度信息或者边缘信息的方法,本文方法提取的角点在稳健性、重复率和定位精度等方面都有较好的表现。论文把不确定性模型引入到点特征的匹配之中,首先利用不确定性中的显著性对特征点进行筛选,滤除掉由于灰度分布较均匀造成的定位不准的点特征;然后利用Vague集理论进行相似度的求解;最后,设计了合适的匹配策略进行特征对应性求解。该方法除具有利用Vague集理论进行考虑不确定性特征相似度求解本身的优点外,在利用同名特征进行模型参数求解时,用特征的显著性进行加权,使得显著性值大的点权重大,在一定程度上提高了模型参数计算的精度。(3)提出了一种考虑特征不确定性的线特征匹配算法。算法首先对图像进行直线提取,然后把长度、显著性、距离等满足要求的两条直线组成干线对,并计算干线对的不确定性,最后利用分支-定限法求解定义的相似度测度函数的最优解,进而求得最优的匹配干线对。相对于其它几何特征,干线对具有信息量充足、易于提取和容易抽取同名像点等优点。通过限制组成干线对的两条直线的夹角和不确定性,提高了特征的稳健性,减少了由于直线方向偏移引起的交点位置变化。在求解干线对之间的相似性时,主要利用它们的夹角,可以消除或减弱直线断裂造成的影响。与传统的匹配策略相比,本文提出的匹配策略不仅考虑特征之间的属性相似性,而且考虑了特征的空间关系一致性和不确定性的影响,使得算法对噪声的稳健性更好,配准精度更高。(4)提出了一种基于索引表的多特征实时图像匹配算法,并以本文提出的仿射不变特征和干线对特征为例,验证了算法的有效性。算法是借鉴调色板的思想,首先构建基准图像中的特征索引表,索引表由索引值和详细信息两部分组成;然后对新得到的待配准图像进行特征提取并构建索引表;最后利用索引表表进行特征匹配。即首先根据特征索引值得到可能匹配的特征对,然后根据索引表的详细信息及特征的空间关系求解匹配特征对,并对多特征的匹配结果进行融合,计算变换模型参数。索引表的引入极大地提高了特征匹配的效率和算法的实时性;通过利用不确定性中的显著性限制,筛除掉了不稳健的特征,保证了匹配的可靠性和精度。通过设计合适的匹配结果融合策略,使得一种特征的缺失不会影响整体的匹配效果。多种特征融合的匹配策略不仅提高了算法的适用范围,而且提高了配准精度;