为了改善无人机侦察视频配准效果与速度, 提出一种基于景象匹配的无人机侦察视频快速配准方法。首先提出基于AGAST-Difference与FREAK的特征匹配算法对视频帧之间配准, 然后提出匹配区域搜索方法在数字卫星地图上找到视频帧匹配区域, 最后将视频帧与匹配区域配准, 根据匹配区域二维关系计算单应矩阵完成拼接。实验结果表明,基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势, 匹配区域搜索方法避免了定位定向系统带来的误差与引入控制点, 提高了纠正精度与速度。本配准方法对像素大小为810×612的视频拼接速度达到25 帧/s, 在离地约1000 m的空中, 二维定位精度可达7.87 m。

为了可靠制备月球卫星景象辅助导航和着陆过程中的月面局部基准图,分析了月面局部基准图制备过程中出现的相关问题和解决方法。结合“嫦娥二号”月球卫星测控和导航实际约束条件分析了各种误差的起因及限制方法，给出了基于美国月球勘测轨道飞行器相机(LROC)全月面基准影像图的月面局部基准图制备算法。实验结果表明，按照所提方法生成的局部基准图与“嫦娥二号”局部正摄投影图像面特征一致，由映射变换产生的图像坐标最大定位误差为7.065 1 m，观测图尺寸为20 km×20 km时的最大形变偏差为6.18 m，正摄投影图像面特征和定位偏差均能够满足月球卫星景象导航定位精度的要求。

为解决无人机景象匹配导航及制导对匹配算法实时性要求较高的问题，对SIFT算法中的生成特征描述符环节进行改进，提出了以特征点为圆心构造同心圆环划分特征邻域的匹配算法；同时对匹配点对进行筛选，减小模型估计误差，提高精度。以大量的存在尺度缩放和角度旋转的遥感影像进行仿真，实验表明该方法在保持SIFT算法定位精度的前提下提高了算法的实时性。

一般的边缘加权Hausdorff算法，由于单尺度边缘检测算子本身对噪音敏感，会造成真实和虚假边缘显著性差异小，从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后，引入证据推理理论，提出一种双向指数基本置信指派构造方法，并构造出多尺度边缘测度的基本置信指派函数，然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音，对加权Hausdorff公式进行了一些改进，给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求，提出了一种基于二进制比特串描述符的高速景象匹配算法，尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征，然后计算特征点的二进制比特串描述符，接着利用描述符之间的汉明距离进行快速特征匹配.最后，利用分组采样一致算法和最小二乘算法获取高准确度的航向和位置偏差信息.景象匹配性能评价实验表明: 在匹配适应性、匹配速度、准确度和鲁棒性方面，算法都很优越，在参考图为250×250 pixels，实测图为160×160 pixels情况下，整个算法的计算约为40 ms，可以满足景象匹配导航系统高速匹配修正的要求，优于传统的景象匹配算法.

针对基准图与实时图之间灰度分布差异对匹配结果的影响，将直方图调整与灰度相关算法相结合，提出了一种基于直方图均衡化预处理的景象匹配导航方法。首先对基准图与实时图的直方图进行调整，减少二者的灰度分布差异，然后采用积相关算法计算匹配结果。分析了景象匹配主要验证方法的优缺点，提出了一种实用的验证方法。利用该验证方法，在各种干扰条件下进行了大样本采样验证，并且采用相对突出因子对匹配结果进行评估。大量试验结果表明基于直方图均衡化预处理的景象匹配导航方法可以有效地改善相关曲面的形态，突出相关曲面的尖锐程度，提高匹配概率。

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置和航向偏差的要求，提出了一种基于区域协方差的实时图像匹配算法.算法采用区域协方差矩阵的距离作为图像匹配时的相似性度量.首先，对图像进行高斯平滑滤波，提取图像的多种特征计算区域协方差矩阵，利用金字塔多级匹配技术进行全局搜索，获得测试图在参考图中像素级匹配位置.然后，利用全局匹配的结果，在实测图上选取多个局部区域，分别进行局部搜索匹配，获取参考图和实测图中一一对应的局部匹配集.最后，利用RANSAC算法和最小二乘算法计算出两幅图像间的最优相似变换参量.仿真分析表明，该算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求.

为研究GPS 故障或失效情况下无人机的备用导航技术，提出了基于自然地标的动态关键帧景象匹配视觉导航算法。首先，分析机载摄像机获取的实时图序列，自主寻找并描述特征明显的自然地标；然后，将包含自然地标的关键帧抽取出来，并与卫星数字基准图进行景象配准，计算其大地坐标作为辅助定位的依据。利用实时图帧间的相关性，将实时图当前帧与计算的动态关键帧图像进行“相对”景象匹配，进而实现当前帧在基准图上的精确定位。实验结果表明，该算法在提高配准概率的同时可大幅度提高景象匹配的实时性与精确性。

提出了一种应用于体全息景象匹配系统中的多样本并行估计方法，该方法充分利用了遥感图像的平稳随机性和体全息的高速多通道并行性，可有效提高景象匹配的精度。分析了多样本并行估计方法的理论基础，研究了该方法所包括的图像预处理，模板图像制备以及估计方程建立等步骤，同时也研究了多样本并行估计过程对各步骤的要求。实验结果表明多样本并行估计方法可以有效提高景象匹配的精度，同时识别精度也会随着样本数的增加而提高。

为实现光电成像末端制导中的自适应目标初始化, 针对末端制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异, 及传统方法运算量较大的问题, 基于随机蕨分类器构造了一种新的景象匹配算法。算法首先利用基准图像进行分类器训练, 然后基于该分类器对实时图像进行特征匹配。为剔除误匹配特征对, 对初始匹配特征对中的对应区域分别进行尺度不变特征变换(SIFT)特征描述, 基于马氏距离准则进行误匹配特征对剔除。根据顺序抽样一致性算法(PROSAC)对剩余的匹配特征对估计两图像的外极几何关系, 最终根据外极几何关系求得目标在实时图像中的位置和尺寸信息。仿真结果表明, 该算法能够在光电成像末端制导过程中实现稳定的目标初始化, 在极端条件下的稳定性优于原随机蕨分类器算法。