针对人工描述子在多模态匹配任务中辨识能力不足导致匹配效果不佳的问题，基于构造的累积结构特征图对多模态图像特征匹配方法的特征点提取、主方向分配和描述子构造等3方面进行扩展。在特征提取阶段，在不同尺度的累积结构特征图上提取混合特征点，兼顾特征点重复性和定位精度；在主方向分配阶段，采用累积结构特征和方向构造局部结构特征场提取特征点主方向，缓解特征点主方向估计容易出错的问题；在描述子构造阶段，对累积结构特征描述子进行L1距离归一化及开方操作替代L2距离归一化，提高描述子在特征匹配阶段的辨识能力。多模态匹配对比实验结果表明：相较于LHOPC、RIFT和HAPCG，所提方法在平均匹配正确点数目和平均匹配正确率等综合指标上明显占优；相较于CSF，所提方法平均正确率提升6.6%，平均匹配精度提升5.8%，表明其有效性。

针对多模态遥感影像显著性检测鲁棒性差和检测精确度不佳等问题, 提出一种基于多模态边缘感知引导的显著性检测方法, 该方法主要由多模态遥感影像显著检测主干网络、跨模态特征共享模块和边缘感知引导网络构成。通过在特征提取主干网络中加入跨模态特征共享模块, 使得不同模态间特征通过共享交互实现协同增强, 并且抑制具有缺陷的特征信息。基于边缘感知引导网络, 通过边缘图监督模块来检测边缘特征的有效性, 从而生成准确边界。在 3种显著目标检测遥感图像数据集上进行实验, 平均的 Fβ、平均绝对误差 (MAE)、 Sm分数分别为 0.917 6, 0.009 5和 0.919 9。实验结果表明, 提出的多模态边缘感知引导网络(MEGNet)适用于在多模态场景中进行显著性检测。