由于卫星遥感合成孔径雷达（SAR）与可见光图像之间存在显著的非线性辐射差异，故现有的SAR与可见光图像配准算法存在实时性差、旋转与尺度不变性弱等问题。针对目前算法只关注图像局部特征的外观信息，而忽略几何结构信息的问题，提出了一种结合卷积与图神经网络（GNN）的SAR与可见光图像匹配方法。该方法采用卷积神经网络进行特征检测与描述的同时，引入了GNN进行特征匹配。与最近邻匹配算法仅利用局部描述符信息相比，GNN先将特征点的位置坐标嵌入到描述符中，使得描述符具有几何位置信息，再利用注意力机制进一步聚合特征描述符的几何上下文信息，最后利用可微分的最优传输算法直接输出特征点的匹配结果，保证了网络可进行端到端的训练。实验结果表明：所提方法在大范围旋转与尺度变化的配准任务上，获得了最先进的性能；与目前主流配准算法辐射不变特征变换相比，所提方法在提升匹配精度的同时，计算速度也提高了50倍以上。

颜色传递在图像处理领域一直备受关注, 传统的颜色传递方法往往存在细节保持能力不足、层次感欠缺和视觉效果不佳等问题。针对上述问题, 本文提出了一种结合图像签名和最优传输的局部颜色传递新方法。首先, 引入基于图像签名的显著区域检测方法, 得到参考图像和内容图像的前景区域和背景区域, 然后在对应区域进行颜色传递以提高结果图像的层次感。其次, 在传统线性颜色传递模型的基础上, 结合最优传输理论提出了一种保持内容图像亮度的颜色传递策略, 以较好地提升结果图像的质量。最后, 为了更好地评估颜色传递效果, 结合色度差和结构相似度设计了一种新的颜色传递客观评价指标。实验结果表明, 相比于传统的颜色传递方法, 文中所提方法得到的结果图像能够较好地保持内容图像的细节信息和层次感, 并且具有更佳的视觉效果(新方法综合效果较传统方法提升了约30%)。另外, 相对于传统的颜色传递评价指标而言, 文中所提客观评价指标更加忠实于用户的主观评价结果。实验分析表明, 与传统颜色传递方法相比, 文中所提方法得到的结果图像在细节保持、层次感保持以及视觉效果上均有更佳表现, 而且文中所提客观评价指标更为贴近主观评价结果。