基于SIFT的遥感图像配准技术综述

２０１６年０６月　ＲＥＭＯＴＥ　ＳＥＮＳＩＮＧ　ＦＯＲ　ＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ　ｄｏｉ：１０．６０４６／ｇｔｚｙｙｇ．２０１６．０２．０３　引用格式：李孚煜，叶发茂．基于ＳＩＦＴ的遥感图像配准技术综述［Ｊ１．国土资源遥感，２０１６，２８（２）：１４—２０．（Ｌｉ　Ｆ　Ｙ，Ｙｅ　Ｆ　Ｍ．　Ｓｕｍｍａｒｉｚａｔｉｏｎ　ｏｆ　ＳＩＴＦ—ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｆｏｒ　Ｌａｎｄ　ａｎｄ　Ｒｅｓｏｕｒｃｅｓ，２０１６，２８　（２）：１４—２０．）　基于ＳＩＦＴ的遥感图像配准技术综述　李孚煜，叶发茂　（南昌大学计算机科学与技术系，南昌　３３００３１）　摘要：遥感图像配准是图像融合、变化检测、图像镶嵌等应用中不可缺少的步骤。近年来，出现了大量基于尺度不　变特征变换（ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）的遥感图像配准方法。在对已有基于ＳＩＦＴ的遥感图像配准文献　的调研分析基础上，对各种ＳＩＴＦ遥感图像配准技术进行了系统性评述，将各种改进方法分为ＳＩＴＦ提升算法、针对　遥感图像性质的改进、混合方法以及针对算法流程的改进等４类；分析了不同类型改进方法的适用范围和优缺点；　指出了ＳＩＦＴ遥感图像配准技术存在的主要问题和难点，对其未来的发展方向进行了展望，为后续研究提供参考。　关键词：尺度不变特征变换（ＳＩＴＦ）；遥感图像；图像配准；特征提取　中图法分类号：ＴＰ　７９文献标志码：Ａ　文章编号：１００１—０７０Ｘ（２０１６）０２—００１４—０７　０　引言　１　ＳＩＦＴ图像配准　图像配准是对同一场景从不同视角、用不同传　ＳＩＦＴ算法主要用于描述与检测图像中的局部　感器获取的，有重叠区域的２景图像进行几何配准　性特征，它在空问尺度中寻找极值点，并提取出其位　的过程¨』。在遥感图像的实际应用中，配准是图像　置、尺度和旋转不变量。该算法由Ｌｏｗｅ在１９９９年　融合、目标变化检测、地物识别以及图像镶嵌过程中　提出　Ｊ，２００４年完善　Ｊ。ＳＩＴＦ遥感图像配准的基本　必不可少的步骤。近年来，基于图像特征的配准方　步骤　包括：①特征提取；②特征匹配；③配准模　法得到了较快的发展，其中尺度不变特征（ｓｃａｌｅ　ｉｎ．　型确定；④图像重采样。具体流程见图１。　ｖａｒｉａｎｔ　ｆｅａｔｕｒｅｓ，ＳＩＦ）是图像特征中一种重要特征；　尺度不变特征变换（ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅｓ　ｔｒａｎｓｆｏｒｍ，　…　ＳＩＦＴ）是Ｌｏｗｅ　在总结现有基于不变量技术的特征　特秆　检测算法基础上提出的一种基于尺度空间对图像缩　璧　Ｌ—　回匪　Ｌ—　；　放、平移、旋转、仿射变换、视角变换和光照变换保持　童Ｊ生成局部描述提取出　一……一　…子…ｌ　Ｉ…生成…局一ｔ…部描述…子　『ｊ　不变的特征提取算法。由于其匹配能力强，，…根据描述子相似性进行匹配　的特征稳定，所以从各种图像局部不变特征描述子　特征　（ｄｉｓｃｒｉｐｔｅｒ）中脱颖而出　，近年来在遥感图配准　匹配　对匹配对比值提纯　…………领域得到了越来越多的应用。本文对ＳＩＦＴ遥感图　寸…………一　像配准技术的研究情况进行了系统评述。首先简单　ＲＡＮＳＡＣ￣方法剔除离群匹配对　＋　描述了一般性的ＳＩＦＴ图像配准方法；然后介绍了　配准模型的确定（参数估计）　为提高遥感图像配准的准确度近年对ＳＩＴＦ提出的　一些改进算法，并分析了各种改进算法的适用范围　和优缺点；最后总结了ＳＩＦＴ遥感图像配准技术目　①ＲＡＮＳＡＣ为随机抽样一致性（ｒａｎｄｏｍ　ｓａｍｐｌｅ　ｃｏｎｓｅｎｓｕｓ）算法。　前存在的主要问题和缺陷，并对其未来的发展方向　图１基于ＳＩＦＴ的图像配准流程图　进行了展望。　Ｆｉｇ．１　Ｆｌｏｗｃｈａｒｔ　ｏｆ　ＳⅡ１Ｔ—ｂａｓｅｄ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　收稿日期：２０１４—１２—１７；修订日期：２０１５—０３—１８　基金项目：国家自然科学基金项目“基于人工禁忌免疫原理的多源遥感图像自动配准研究”（编号：４１２６１０９１）资助。　第２期　李孚煜，等：　基于ＳＩＦＴ的遥感图像配准技术综述　其中特征提取及特征匹配主要包括关键点检　测、局部特征描述子生成和特征点匹配。　１．１关键点检测　ＳＩＦＴ算法是基于点的匹配算法，所以首先要找　出具有代表性和稳定性的关键点。ＳＩＦＴ算法关键　点检测的目的就是在图像的尺度空间中找出对图像　缩放、旋转以及一定程度的噪声保持不变的点的精　确位置，并对这些点进行筛选，为后续处理搜集足够　多的信息。ＳＩＴＦ的关键点检测分为以下４个步骤：　１）生成高斯差（ｄｉｆｆｅｒｅｎｃｅ　ｏｆ　Ｇａｕｓｓｉａｎｓ，ＤｏＧ）尺　度空间。图像的尺度空间Ｌ（　，Ｙ，　）由一个变尺度　的高斯函数Ｇ（　，Ｙ，ｏｒ）和图像，（　，Ｙ）卷积得到，即　Ｌ（　，Ｙ，　）：Ｇ（　，Ｙ，ｒｏ）：ｌ＝，（　，Ｙ），　（１）　１　一ｒ…２　２、　式中：Ｇ（　，Ｙ，　）＝　ｅ　；　为尺度参数；　盯ｏｒ　为卷积运算符。　如果把ｏｒ看成是尺度变量，那么在尺度空间　中，不同ｏｒ的Ｇ（　，Ｙ，ｏｒ）就组成一个组（Ｏｃｔａｖｅ）。　ＤｏＧ响应值图像Ｄ（　，Ｙ，　）由２个相邻高斯尺度空　间的图像相减得到。实际算法中，ＤｏＧ通过构建图　像金字塔来实现，即将图像金字塔分成Ｏ组，每组ｓ　层，下一组的图像由上一组图像隔点降采样取得。　将每组上下相邻２层的高斯尺度空间的图像相减，　得到ＤｏＧ。　２）寻找尺度空间中的局部极值点作为候选关　键点。每个检测点都跟与其同尺度的８个相邻点以　及上下相邻尺度的９个点（共８＋９　Ｘ　２＝２６个点）　进行比较，只保留局部极值点。这样得到的局部极　值点即为粗略特征点。　３）精化关键点检测结果。通过子像元插值得　到特征点的精确尺度，删除受边缘效应影响较大的　点，通过子像元插值和去边缘效应，精化关键点检测　结果。　４）生成关键点的主方向。根据关键点所在的　尺度选取邻域，在该邻域内分３６个方向统计所有点　的梯度方向，取方向统计直方图中主峰的对应方向　为主方向。若存在相当于主峰８０％以上的方向，则　将这些方向取为辅方向。每个关键点只有一个主方　向，大约２０％的关键点有１个或多个辅方向。每个　探测到的关键点都包括位置信息、所在尺度及主方　向信息，可以用１个４维向量来描述。　１．２局部特征描述子生成　得到在尺度空间中对图像缩放、旋转保持不变　的关键点之后，ＳＩＴＦ为每一个关键点的主方向和每　个辅方向生成一个描述子，并让这些描述子拥有尽　可能多的不变性：　１）根据关键点所在尺度，选择相应大小的邻　域，分为４×４个子区域，每个子区域有４像元Ｘ４　像元。以主方向为基准对齐后，对每个子区域的梯　度方向进行统计，形成８个方向的直方图。因存在　４　Ｘ４个子区域，每个子区域的梯度直方图有８个方　向，故ＳＩＦＴ特征矢量有４×４×８＝１２８维。由于直　方图只有局部小区域的灰度统计信息，而仿射变换　对灰度频率的影响甚微，所以如此产生的描述子对　仿射变换也具有一定程度的不变性。　２）对特征矢量进行归一化处理，以使其拥有一　定程度的光照强度不变性。　１．３特征点匹配　ＳＩＦＴ算法根据描述子之间的欧氏距离来判断　其相似性，并根据相似性的大小进行特征点匹配。　为减少误匹配，通常先使用比值提纯法对匹配结果　进行提纯。除查询最近邻的描述子之外，还要考虑　次近邻；当次近邻距离与最近邻距离的比值小于阈　值时，则认为这个ＳＩＦＴ图像配准基本流程不够显　著，剔除该匹配对。匹配对比值提纯之后，一般还要　使用随机抽样一致性（ｒａｎｄｏｍ　ｓａｍｐｌｅ　ｃｏｎｓｅｎｓｎｓ，　ＲＡＮＳＡＣ）方法剔除离群匹配对，以进一步减少误匹配。　２遥感图像配准　传统ＳＩＦＴ算法是为解决不同视角之间目标或　场景的可靠匹配而提出的。该方法针对同一种传感　器图像之间的图像匹配效果较好，但直接用于不同　性质遥感图像之间的配准可能会失效；在复杂场景　或相似场景下，ＳＩＦＴ算法容易出现误匹配；同时，传　统ＳＩＦＴ算法也存在生成１２８维的描述子速度慢等　问题。为了使ＳＩＦＴ算法能更好地应用于遥感图配　准，很多研究者提出了不同的改进方案，可分为４　类：①ＳＩＦＴ提升算法；②针对遥感图像性质的改　进；③混合方法；④针对算法流程的改进。　２．１　ＳＩＦＴ提升算法　在计算机视觉领域，继ＳＩＦＴ后又有大量提升算　法　，有些已经被应用于遥感图像配准。Ｂａｙ　等＿２０　借鉴了ＳＩＦＴ的思想，于２００８提出加速鲁棒特　征（ｓｐｅｅｄｅｄ—ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ，ＳＵＲＦ）描述子，用图　像积分代替卷积运算，提高了特征提取的速度；Ｌｉｕ　等＿２　把ＳＵＲＦ应用于ＳＡＲ图像匹配，获得了高匹配　率。Ｍｏｒｅｌ等　提出了仿射无关的ＡＳＩＦＴ（ａｆｆｉｎｅ—　ＳＩＦＴ）算法；Ｙａｎｇ等　将ＡＳＩＦＴ应用于图像配准　问题；Ｌｉｎ等ｕ　借鉴ＡＳＩＦＴ的思想，改进了ＳＵＲＦ，　提出了仿射无关的ＡＳＵＲＦ（ａｆｆｉｎｅ—ＳＵＲＦ）算法。　针对ＳＩＴＦ描述子维数高（１２８维）导致计算量　·１６·　国土资源遥感　２０１６拄　大的问题，Ｌｉｕ等　提出了利用核独立成分分析　（ｋｅｒｎｅｌ　ｉｎｄｅｐｅｎｄｅｎｔ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ，ＫＩＣＡ）降维　的ＫＩＣＡ—ＳＩＦＴ，并将其应用于遥感图配准。但这种　提升方法需要图像的学习样本以生成特征空间投影　层，以减少光斑噪声的影响并提高速度。Ｄｅｌｌｉｎｇｅｒ　等　提出的ＳＡＲ—ＳＩＦＴ算法依照雷达图像特性重　新定义了ＳＡＲ图像梯度，并修改了ＳＩＦＴ的关键点　检测算法，调整了主方向和描述子的生成方法；实　验表明，该方法在ＳＡＲ图像匹配方面的效果远优于　传统ＳＩＦＴ算法。　２．２．２针对不同类型图像　矩阵，因而对不同类型的遥感图像需要分别训练，不　能用于不同种类遥感图像的配准。此外，ＳＵＲＦ的　描述子只有６４维，计算速度比ＳＩＦＴ快，但对尺度变　化较大的图像无法保持特征的不变性。　Ｍｉｋｏｌａｊｃｚｙｋ等　于２００５年提出的梯度位置定　向直方图（ｇｒａｄｉｅｎｔ　ｌｏｃａｔｉｏｎ—ｏｒｉｅｎｔａｔｉｏｎ　ｈｉｓｔｏｇｒａｍ，　ＳＩＦＴ本身对线性灰度变化具有不变性，但多源　遥感图之间的灰度差异复杂，可以是非线性的。　Ａｂｅｄｉｎｉ等　。。对灰度差异较大的航摄图像和ＬｉＤＡＲ　ＧＬＯＨ）采用对数极坐标同心圆计算梯度直方图，在　图像分别用参数不同的ＳＩＴ算子提取特征，Ｆ在匹配　维度不变（１２８维）的情况下，提高了ＳＩＦＴ特征描述　子的独特性，提升了算法的鲁棒性；但此方法也需　要训练样本。Ｓｅｄａｇｈａｔ等　提出的鲁棒性一致的　尺度不变特征变换（ｕｎｉ￣ｒｍ　ｒｏｂｕｓｔ　ＳＩＴＦ，ＵＲ—ＳＩＦＴ）　算法利用网络规则优化了ＳＩＦＴ特征点的分布，从而　提高对具有局部变换的光学遥感图像的配准精度。　此类算法将计算机领域的ＳＩＴＦ提升算法应用　到遥感图像配准，没有针对遥感图像的特点进行改　进，对于光学遥感图像之间的配准，能够取得较好的　效果；但对于不同性质遥感图像之间的配准，可能　得不到好的效果，甚至可能会失效。　２．２针对遥感图像性质的改进　遥感图像种类繁多，性质各异，有些图像与一般　光学图像性质的差异较大。为使专为一般光学图像　设计的ＳＩＦＴ算法能更好地应用于其他图像，许多针　对遥感图像性质的改进被相继提出。　２．２．１　针对ＳＡＲ图像　ＳＩＦＴ本身是为有少量加性高斯噪声的一般光　学图像设计的，ＳＡＲ图像固有的乘性相干斑噪声严　重影响了ＳＩＦＴ算法的关键点检测及特征描述子的　稳定性。针对ＳＡＲ图像的特征，研究者对ＳＩＦＴ做　了相应的改进　。Ｌｕ等　在寻找尺度空间的　局部极值点时，用２４邻域替代８邻域，使提取出来　的关键点有更好的抗噪性。Ｓｃｈｗｉｎｄ等　提出跳过　受光斑噪声影响最大的尺度空间金字塔第一层　（ＳＩＦＴ—ＯＣＴ），并且用无限对称指数滤波器（ｉｎｆｉｎｉｔｅ　ｓｙｍｍｅｔｒｉｃ　ｅｘｐｏｎｅｎｔｉａｌ　ｆｉｌｔｅｒ，ＩＳＥＦ）处理图像，以进一　步减少光斑噪声的影响，有效减少了计算量，抑制了　光斑噪声产生的伪关键点。其后Ｓｕｒｉ等　钊又提出　在描述子匹配阶段混合图像互信息，以提高采集方　式不同的ＳＡＲ图像之间匹配的一致性。Ｗａｎｇ　等＿２　提出的双边滤波ＳＩＴＦ（ｂｉｌａｔｅｒａｌ　ｆｉｌｔｅｒ　ＳＩＦＴ，ＢＦ．　ＳＩＦＴ）算法用双边滤波器取代高斯滤波器生成尺度　空间，用各向异性滤波器使滤除光斑噪声时边缘信　息丢失较少；该方法也略过尺度空间金字塔第一　过程中用ＲＡＮＳＡＣ和Ｂａａｒｄａ数据探测法剔除离群　误匹配。　等　针对多光谱遥感图像配准问题提　出的尺度约束ＳＩＦＴ（ｓｃａｌｅ　ｒｅｓｔｒｉｃｔｅｄ　ＳＩＦＴ，ＳＲ—　ＳＩＦＴ）在匹配过程中有效减少了因多光谱遥感图像　灰度差异大而导致的误匹配，但会减弱匹配的旋转　不变性。ＩＪｉ等　在此基础上提出了尺度一方向联　合约束准则，并提升了特征描述子的鲁棒性，使其　适用于多光谱及多传感器的情况。Ｖｕｒａｌ等　弱　提出　的方向限制ＳＩＦＴ（ｏｒｉｅｎｔａｔｉｏｎ—ｒｅｓｔｒｉｃｔｅｄ　ＳＩＦＴ，ＯＲ—　ＳＩＦＴ）不区分反向的灰度，以此将构造特征描述子时　所用的方向柱（ｂｉｎ）数量减少为４；该方法能适应灰　度可能相反的多光谱遥感图像配准，速度快，但描述　子的区分度有所下降。　２．２．３利用地理位置信息　遥感图像带有额外的地理位置信息，合理利用　这些信息可以显著提高配准的速度和精度。Ｌｉｕ　等　针对部分由装配了ＰＯＳ系统的机载干涉ＳＡＲ　系统采集的ＳＡＲ图像，改进了ＳＩＴＦ描述子的匹配　步骤：先根据ＰＯＳ提供的位置和姿态数据剔除距离　较远的匹配对，再根据匹配对的相关系数剔除误匹　配；实验结果表明匹配的准确率得到了大幅度提　高。岳春宇等　提出先根据卫星遥感图像问的几　何关系进行粗纠正，消除尺度和旋转差异；再提取　ＳＩＴＦ特征，并用结构相似性指数测度（ｓｔｒｕｃｔｕｒｅ　ｓｉｍｉ—　ｌａｒｉｔｙ　ｉｎｄｅｘ　ｍｅａｓｕｒｅ，ＳＳＩＭ）取代欧氏距离作为ＳＩＦＴ　特征之间的相似性测度；该方法适用于星载ＳＡＲ　图像图像与可见光图像配准，几何定位精度影响大，　只在变形小的地形平坦地区效果较好。　此类方法充分利用遥感图像特征和遥感图像具　有的信息改进ＳＩＴＦ遥感图像配准，取得了一定的效　果，也成为目前研究的热点。但遥感图像种类多、成　像机理不同，导致图像差异很大，要从不同性质遥感　图像中提取稳定、可靠的ＳＩＦＴ特征，还需开展进一　步的研究。　２．３　混合方法　除针对ＳＩＦＴ算法本身的改进外，还有很多研究　第２期　李孚煜，等：　基于ＳＩＦＴ的遥感图像配准技术综述　将ＳＩＦＴ与其他方法结合起来。这些方法　将遥　感图像配准划分为粗配准和精配准２个阶段，在粗　配准阶段使用ＳＩＦＴ及其改进算法，然后使用其他方　法进一步精配准。Ｙｕ等　先用ＳＩＦＴ特征描述子　对多源遥感图像进行粗配准以获得相同尺度图像，　再从小波域中提取Ｈａｒｒｉｓ角点进行精配准。刘向增　等　和Ｙｉ等　先利用改进的具有仿射不变性的　ＳＩＴＦ特征描述符对ＳＡＲ图像进行粗配准，再用奇异　值分解（ｓｉｎｇｕｌａｒ　ｖａｌｕｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＳＶＤ）点匹配算　法对图像进行精配准，从而提高了该算法对几何变　化及灰度变化大的稳健性，但算法复杂度较高。ＩＪｉ　等＿３　结合ＳＵＲＦ描述子和快速最小截平方和估计　算子先对ＳＡＲ图像进行粗配准，再使用归一化互相　关方法进行精配准，取得亚像元级精度的变换参数。　Ｙｅ等。加　先利用ＳＲ—ＳＩＦＴ对多光谱遥感图像进行　粗配准，然后用Ｈａｒｒｉｓ算子和局部自相似性描述子　找到匹配对，并用全局一致性检验移除误匹配，完成　精配准。宋智礼　针对多模态图像之间灰度差异　巨大会造成ＳＩＦＴ算法特征点的正确匹配率低的问　题，提出了一种综合利用特征点信息和图像中轮廓　信息的图像配准新方法，有效提高了图像特征点的　正确匹配率。王晓华等　首先利用Ｃａｎｎｙ边缘检　测算法提取ＳＡＲ图像的闭合区域，用７阶不变矩特　征作为闭合区域的描述子进行粗配准，再运用改进　Ｃａｎｎｙ边缘特征的ＳＩＴＦ算法进行精配准。　上述方法适用于尺寸、角度、平移以及各自畸变　较大的图像之间的配准，配准精度高，通常能达到亚　像元级水平。其缺点是由于综合了多种方法，增加　了额外处理步骤，因而计算复杂度高，耗时长。　２．４针对算法流程的改进　还有些方法　加　改进了基于ＳＩＦＴ的图像配准　流程，在一些步骤中结合或直接用其他方法替换了　原有步骤。为了找出尽可能多的有效候选匹配对，　２００６年李晓明等　提出先设定比较小的最近邻与　次近邻的距离比率阈值，选出可靠性较高的匹配对，　据此初步计算出几何约束模型；然后在该约束下对　其余可能的匹配对进行挑选，以此扩展更多的匹配　对。２００８年Ｌｉｕ等　在特征提取中加人多尺度　Ｈａｒｒｉｓ检测算子空问尺度表示，并通过聚类方法和　归一化互信息剔除误匹配，使大尺度图像和不同传　感器图像配准效果得到提高。针对Ｌｏｗｅ＿２　提出的　采用最近邻与次近邻的距离比率进行匹配的流程容　易出现重复匹配、多对一匹配的问题，李芳芳等　与张建花等　刮分别提出了双向匹配算法，减少了原　流程的误匹配。２０１０年Ｓｏｎｇ等　在匹配步骤中使　用三角区域取代ＲＡＮＳＡＣ，能更好地处理大量ＳＩＦＴ　描述子误匹配的情况；并提出了一种基于Ｌｉｓｓａｊｏｕｓ　曲线的新的相似性度量方法，提高了配准准确率。　Ｇｏｎｃａｌｖｅｓ等　在ＳＩＦＴ配准流程中加入了图像分割　步骤，通过分块选取减少数据量。Ｑｉｕ等　先用　Ｃｏｎｔｏｕｒｌｅｔ变换将遥感图像分解为高频和低频部分，　再用不同方法分别提取特征区域对（低频部分使用　ＳＩＴＦ特征，高频部分使用互相关系数），最后再综合　配准，克服了传统ＳＩＴＦ匹配算法完全忽略不同特征　描述子之间的几何关系、只注重局部优化的局限。　此类方法针对ＳＩＦＴ的配准流程进行改进，主要　目的在于获取更多可靠的ＳＩＦＴ特征匹配对，以提高　配准精度。但这些方法将ＳＩＴＦ特征独立看待，没有　将多个ＳＩＦＴ特征或者所有的ＳＩＴＦ特征作为一个整　体，进行整体匹配。通过这种整体匹配，可以利用　ＳＩＦＴ特征之间的空间位置和形状等信息，减少单个　ＳＩＦＴ算法因特征信息不足而可能导致的误匹配。　李伟峰等　。。把ＳＩＦＴ特征作为特征点集，用Ｈａｕｓ—　ｄｏｒｆ距离作为适应度函数，通过遗传算法（ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ，ＧＡ）寻求图像间的几何变换参数。这种　方法把基于特征点的匹配转变为基于点集的匹配，　具有更高的抗噪性。高华等　将所有的ＳＩＦＴ作为　一个整体进行匹配，并用置信传播（ｂｅｌｉｅｆ　ｐｒｏｐａｇａ—　ｔｉｏｎ，ＢＰ）算法求解最优匹配。　３　问题与展望　３．１面临的问题　对ＳＩＦＴ遥感图像配准技术研究已有很多，但仍　存在一些难点没有解决，主要表现在２个方面：　１）不同性质遥感图像配准的问题。对不同类　型传感器获取的图像进行配准时，由于噪声性质差　异和成像机理不同，像元表现形式不同，使得图像之　间灰度分布差异较大，直接使用ＳＩＦＴ方法进行配准　的精度很低，甚至会匹配失败。ＳＩＦＴ特征描述子很　适合多源遥感图像之间的配准，很多研究利用ＳＩＦＴ　特征描述子并做出种种改进用于解决多源遥感图像　配准问题，但基本上都是针对有明显地物（道路、河　流等）特征的图像，目前仍没有统一的框架，尚未形　成很成熟的方法及处理流程。因此，如何把ＳＩＦＦ方　法更好地应用于多源遥感图配准，仍需进一步深入　研究。　２）关于配准速度的问题。许多实际应用对遥　感图像配准速度有较高要求。ＳＩＦＴ方法在特征提　取和匹配过程中普遍耗时较多，不能满足有实时性　或应急需求的配准任务的要求。随着遥感图像的空　间分辨率和光谱分辨率越来越高，单景遥感图像的　国土资源遥感　２０１６年　数据量会加倍增长，数据处理时间也会越来越长。　因此，如何在保证配准精度的前提下提高配准效率　越发显得重要。　３．２展望　ＳＩＦＴ算法具有一些良好的特性，非常适用于遥　感图像配准。如何更好地发挥ＳＩＦＴ算法的特性，提　高遥感图像配准的精度和速度，以下几方面可能会　是有益的探索：　１）适用于不同性质遥感图像配准的ＳＩＦＴ特征　描述子研究。很多研究者已经开始研究适用于不同　数据源遥感图像配准的ＳＩＦＴ特征描述子，并取得了　一定的成果。但这些研究只是针对特定２种或几种　类型遥感图像的ＳＩＦ－Ｆ特征描述子，尚未研究通用的　遥感图像配准ＳＩＴＦ特征描述子。因此，研究与遥感　图像性质无关、适用于不同数据源遥感图像配准的　ＳＩＦＴ特征描述子是未来研究的一个方向。　２）与人工智能技术结合。随着人工智能技术　的发展，已有一些人工智能方法应用到遥感图像配　准，如Ｙｅ等　应用人工免疫优化算法实现了遥感　图像粗配准。但目前还鲜有将人工智能方法应用于　ＳＩＦＴ遥感图像配准中。很多人工智能方法的引入　可以改善ＳＩＦＴ遥感图像配准方法，例如：利用人工　智能中的粗糙集方法进行ＳＩＦＴ描述子的降维；利　用人工智能中一些优化方法进行ＳＩＴＦ特征的匹配。　３）与并行计算技术结合。计算机硬件的发展　以及并行计算和网格计算技术的发展，可为解决　ＳＩＦＴ方法在特征提取和匹配过程中耗时较多、不能　满足实时性要求的问题提供较好的解决方案。有些　研究者已经开始这方面的尝试，例如Ｗａｒｎ等　使　用现场可编程逻辑门阵列（ｆｉｅｌｄ　ｐｒｏｇｒａｍｍａｂｌｅ　ｇａｔｅ　ａｒｒａｙ，ＦＰＧＡ）直接在硬件上实现并行ＳＩＴＦ算法。因　此，研发并行化ＳＩＦＴ遥感图像配准算法也是未来研　究的一个重要方向。　４）与其他配准方法结合。将ＳＩＦＴ的遥感图像　配准算法与其他配准方法进行集成，研究能够根据　具体情况自动评价和选择配准算法的引擎　，为用　户提供更好的图像配准解决方案，无疑将成为未来　研究的一大趋势。　４　结论　１）ＳＩＦＴ方法从１９９９年被提出之后，在短短的　ｌＯ余年间，在遥感图像配准领域得到了广泛的应　用，并且仍然处于蓬勃发展之中。　２）在对ＳＩＦＴ遥感图像配准技术的研究进程进　行系统评述的基础上，本文描述了一般性的ＳＩＦＴ图　像配准方法和４类ＳＩＴＦ应用于遥感图配准的改进　算法，包括ＳＩＦｔ提升算法、针对遥感图像性质的改　进、混合方法以及针对算法流程的改进等，并分析了　各种改进方法的适用范围和优缺点。　３）ＳＩＦＴ遥感图像配准技术目前所面临的主要　问题是如何实现多源不同性质遥感图像的配准和在　保证配准精度的前提下提高配准速度。　４）为更好地发挥ＳＩＦＴ算法的良好特性，进一步　提高遥感图像配准的精度和速度，有必要在适用于　不同性质遥感图像配准的ＳＩＦＴ特征描述子研发、与　人工智能技术结合、并行计算以及与其他配准方法　相结合等方面做更深入的研究探索。　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：　［１］　Ｚｉｔｏｖ６　Ｂ，Ｆｌｕｓｓｅｒ　Ｊ．Ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｍｅｔｈｏｄｓ：Ａ　ｓｕｒｖｅｙ［Ｊ］．Ｉｍ．　ａｇｅ　ａｎｄ　Ｖｉｓｉｏｎ　Ｃｏｍｐｕｔｉｎｇ，２００３，２１（１１）：９７７—１０００．　［２］Ｌｏｗｅ　Ｄ　Ｇ．Ｄｉｓｔｉｎｃｔｉｖｅ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｆｒｏｍ　ｓｃａｌｅ—ｉｎｖａｒｉａｎｔ　ｋｅｙ　ｐｏｉｎｔｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００４，６０　ｆ２）：９１—１１０．　［３］王永明，王贵锦．图像局部不变性特征与描述［Ｍ］．北京：国防　工业出版社，２０１０．　Ｗａｎｇ　Ｙ　Ｍ．Ｗａｎｇ　Ｇ　Ｊ．Ｉｍａｇｅ　Ｌｏｃａｌ　Ｉｎｖａｆｉａｎｔ　Ｆｅａｔｕｒｅｓ　ａｎｄ　Ｄｅｓｃｒｉｐ—　ｔｏｒｓ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｎａｔｉｏｎａｌ　Ｄｅｆｅｎｓｅ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ，２０１０．　［４］余先川，吕中华，胡丹．遥感图像配准技术综述［Ｊ］．光学精密　工程，２０１３，２１（１１）：２９６０—２９７２．　Ｙｕ　Ｘ　Ｃ，Ｌｙｕ　Ｚ　Ｈ，Ｈｕ　Ｄ．Ｒｅｖｉｅｗ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａ－　ｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｏｐｔｉｃｓ　ａｎｄ　Ｐｒｅｃｉｓｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１３，２１　（１１）：２９６０—２９７２．　［５］Ｌｏｗｅ　Ｄ　Ｇ．Ｏｂｊｅｃｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｆｒｏｍ　ｌｏｃａｌ　ｓｃａｌｅ—ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅｓ　Ｃ］／／Ｔｈｅ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　７ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｅｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ．Ｋｅｒｋｙｒａ：ＩＥＥＥ，１９９９，２：１１５０—１１５７．　［６］　Ｖｅｄａｌｄｉ　Ａ．Ａｎ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ＳＩＦＴ　Ｄｅｔｅｃｔｏｒ　ａｎｄ　Ｄｅｓｃｒｉｐｔｏｒ　［Ｒ］．Ｌｏｓ　Ａｎｇｅｌｅｓ：Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃａｌｉｆｏｒｎｉａ，２００６．　［７］　Ｍｉｋｏｌａｊｃｚｙｋ，Ｓｃｈｍｉｄ　Ｃ．Ａ　ｐｅｒｆｏｒｍａｎｃｅ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｌｏｃａｌ　ｄｅｓｃｒｉｐ—　ｔｏｔｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌ—　ｌｉｇｅｎｃｅ，２００５，２７（１Ｏ）：１６１５—１６３０．　［８］Ｍｏｒｅｌ　ＪＭ，ＹｕＧ　Ｓ．ＡＳＩＦＴ：Ａ　ｎｅｗｆｒａｍｅｗｏｒｋｆｏｒｆｕｌｌｙ　ａｆｉｆｎｅｉｎｖａｒｉ—　ａｎｔ　ｉｍａｇｅ　ｃｏｍｐａｒｉｓｏｎ［Ｊ］．ＳＩＡＭ　Ｊｏｕｒｎａｌ　ｏｎ　Ｉｍａｇｉｎｇ　Ｓｃｉｅｎｃｅｓ，　２００９，２（２）：４３８—４６９．　［９］　Ｚｈａｎｇ　Ｎ．Ｃｏｍｐｕｔｉｎｇ　ｐａｒａｌｌｅｌ　ｓｐｅｅｄｅｄ—ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ（Ｐ—　ＳＵＲＦ）ｖｉａＰＯＳＩＸｔｈｒｅａｄｓ［Ｍ］／／ＨｕａｎｇＤ　Ｓ，ＪｏＫＨ，ＬｅｅＨＨ，ｅｔ　ａ１．Ｅｍｅｒｇｉｎｇ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｍｐｕｔｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ．　Ｂｅｒｌｉｎ　Ｈｅｉｄｅｌｂｅｒｇ：Ｓｐｒｉｎｇｅｒ，２００９：２８７—２９６．　［１Ｏ］Ｄｕａｎ　Ｃ，Ｍｅｎｇ　Ｘ，Ｔｕ　Ｃ，ｅｔ　ａ１．Ｈｏｗ　ｔｏ　ｍａｋｅ　ｌｏｃａｌ　ｉｍａｇｅ　ｆｅａｔｕｒｅｓ　ｍｏｒｅ　ｅｉｆｃｉｅｎｔ　ａｎｄ　ｄｉｓｔｉｎｃｔｉｖｅ［Ｊ］．ＩＥＴ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ，２００８，　２（３）：１７８—１８９．　［１１］Ｌｉｎ　Ｃ，Ｌｉｕ　Ｊ，Ｃａｏ　Ｌ．Ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｂｙ　ａｆｉｆｎｅ　ｓｐｅｅｄ—ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ．Ｇｕｉｌｉｎ，Ｃｈｉｎａ：ＳＰＩＥ，２０１　１，８００４：８００４０Ｇ．　［１２］Ｔｕｙｔｅｌａａｒｓ　Ｔ，Ｍｉｋｏｌａｊｃｚｙｋ　Ｋ．Ｌｏｃａｌ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｄｅｔｅｃｔｏｒｓ：Ａ　ｓｕｒｖｅｙ【Ｊ］．Ｆｏｕｎｄａｔｉｏｎｓ　ａｎｄ　Ｔｒｅｎｄｓ　ｉｎ　Ｃｏｍｐｕｔｅｒ　Ｇｒａｐｈｉｃｓ　ａｎｄ　Ｖｉ－　ｓｉｏｎ，２００８，３（３）：１７７—２８０．　［１３］Ｃｈｅｕｎｇ　Ｗ，Ｈａｍａｒｎｅｈ　Ｇ．Ｎ—ｓｉｔｆ：Ｎ—ｄｉｍｅｎｓｉｏｎａｌ　ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　第２期　李孚煜，等：基于ＳＩＦＩ＂的遥感图像配准技术综述　·１９·　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ　ｆｏｒ　ｍａｔｃｈｉｎｇ　ｍｅｄｉｃａｌ　ｉｍａｇｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｂｉｏｍｅｄｉｃａｌ　Ｉｍａｇｉｎｇ：　Ｆｒｏｍ　Ｎａｎｏ　ｔｏ　Ｍａｃｒｏ．Ａｒｌｉｎｇｔｏｎ，ＶＡ：ＩＥＥＥ，２００７：７２０—７２３．　［１４］Ｋｅ　Ｙ，Ｓｕｋｔｈａｎｋａｒ　Ｒ．ＰＣＡ—ＳＩＦＴ：Ａ　ｍｏｒｅ　ｄｉｓｔｉｎｃｔｉｖｅ　ｒｅｐｒｅｓｅｎｔａ－　ｔｉｏｎｆｏｒｌｏｃａｌｉｍａｇｅ　ｄｅｓｃｒｉｐｔｏｒｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆＩＥＥＥ　Ｃｏｍｐｕｔ—　ｅｒ　Ｓｏｃｉｅｔｙ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｅｏｇｎｉ－　ｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：ＩＥＥＥ．２００４，２：５０６—５１３．　［１５］Ｋｕｐｆｅｒ　Ｂ，Ｎｅｔａｎｙａｈｕ　Ｎ　Ｓ，Ｓｈｉｍｓｈｏｎｉ　Ｉ．Ａｎ　ｅｆｉｆｃｉｅｎｔ　ＳＩＦＴ—ｂａｓｅｄ　ｍｏｄｅ—－ｓｅｅｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｓｕｂ——ｐｉｘｅｌ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　ｒｅｍｏｔｅｌｙ　ｓｅｎｓｅｄ　ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｅｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，　２０１５，１２（２）：３７９—３８３．　［１６］Ｌｉｎｇｕａ　Ａ，Ｍａｒｅｎｃｈｉｎｏ　Ｄ，Ｎｅｘ　Ｆ．Ｐｅｒｆｏｒｍａｎｃｅ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ＳＩＦＴ　ｏｐｅｒａｔｏｒ　ｆｏｒ　ａｕｔｏｍａｔｉｃ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ａｎｄ　ｍａｔｃｈｉｎｇ　ｉｎ　ｐｈｏｔｏ—　ｇｒａｍｍｅｔｒｉｃ　ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｓｅｎｓｏｒｓ，２００９，９（５）：３７４５—３７６６．　［１７］Ｌｉｕ　Ｘ　Ｚ，Ｔｉｎａ　Ｚ，Ｌｅｎｇ　Ｃ　Ｃ，ｅｔ　ａ１．Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＫＩＣＡ—ＳＩＴＦ　ｄｅｓｃｒｉｐｔｏｒｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｓｅｖ—　ｅｎｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｆｕｚｚｙ　Ｓｙｓｔｅｍｓ　ａｎｄ　Ｋｎｏｗｌｅｄｇｅ　Ｄｉｓｃｏｖｅｒｙ（ＦＳＫＤ）．Ｙａｎｔａｉ：ＩＥＥＥ，２０１０，１：２７８—２８２．　［１８］Ｂｕ　Ｆ，Ｑｉｕ　Ｙ，Ｌｉｕ　Ｊ，ｅｔ　ａ１．Ｉｍｐｒｏｖｅｄ　ｂｉｄｉｒｅｃｔｉｏｎａｌ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｒａｄｏｎ—ＳＩＦＴ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍｓ，２０１２，８（１２）：４９９７—５００４．　［１９］Ｇｏｎｇ　Ｍ　Ｇ，Ｚｈａｏ　Ｓ　Ｍ，Ｊｉａｏ　Ｌ　Ｃ，ｅｔ　ａ１．Ａ　ｎｏｖｅｌ　ｃｏａｒｓｅ—ｔｏ—ｆｉｎｅ　ｓｃｈｅｍｅ　ｆｏｒ　ａｕｔｏｍａｔｉｃ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＳＩＴＦ　ａｎｄ　ｍｕｔｕａｌ　ｉｎｆｏｒｍａｔｉｏｎ『Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｅｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１４，５２（７）：４３２８—４３３８．　［２Ｏ］Ｂａｙ　Ｈ，Ｅｓｓ　Ａ，Ｔｕｙｔｅｌａａｒｓ　Ｔ，ｅｔ　ａ１．Ｓｐｅｅｄｅｄ—ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ　（ＳＵＲＦ）［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｉｍａｇｅ　Ｕｎｄｅｒｓｔａｎｄｉｎｇ，２００８，　１１０（３）：３４６—３５９．　［２１］Ｌｉｕ　Ｒ　Ｈ，Ｗａｎｇ　Ｙ　Ｇ．ＳＡＲ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｂａｓｅｄ　ｏｎ　ｓｐｅｅｄｅｄ　ｕｐ　ｒｏ－　ｂｕｓｔ　ｆｅａｔｕｒｅ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＷＲＩ　Ｇｌｏｂａｌ　Ｃｏｎｇｒｅｓｓ　ｏｎ　Ｉｎｔｅｌｌｉ－　ｇｅｎｔ　Ｓｙｓｔｅｍｓ．Ｘｉａｍｅｎ：ＩＥＥＥ．２００９．４：５１８—５２２．　［２２］Ｙａｎｇ　Ｊ　Ｂ，Ｈｕ　Ｆ　Ｙ．Ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＡＳＩＦＴ　［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ，２０１２（７）：３９－４２．　［２３］Ｓｅｄａｇｈａｔ　Ａ，Ｍｏｋｈｔａｒｚａｄｅ　Ｍ，Ｅｂａｄｉ　Ｈ．Ｕｎｉｆｏｒｍ　ｒｏｂｕｓｔ　ｓｃａｌｅ—ｉｎ－　ｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ｆｏｒ　ｏｐｔｉｃａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ［Ｊ］．　ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１　１，４９　（１１）：４５１６—４５２７．　［２４］Ｌｕ　Ｊ，Ｗａｎｇ　Ｂ，Ｇａｏ　Ｈ　Ｍ，ｅｔ　ａ１．ＳＡＲ　ｉｍａｇｅｓ　ｍａｔｃｈｉｎｇ　ｂａｓｅｄ　ｏｎ　ｌｏ—　ｃａｌ　ｓｈａｐｅ　ｄｅｓｃｒｉｐｔｏｒｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＴ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｒａｄａｒ　Ｃｏｎｆｅｒｅｎｃｅ．Ｇｕｉｌｉｎ：ＩＥＥＥ．２００９：１—４．　［２５］Ｓｃｈｗｉｎｄ　Ｐ，Ｓｕｒｉ　Ｓ，Ｒｅｉｎａ￣ｚ　Ｐ，ｅｔ　ａ１．Ａｐｐｌｉｃａｂｉｌｉｔｙ　ｏｆ　ｔｈｅ　ＳＩＦＴ　ｏｐｅｒ－　ａｔｏｒ　ｔｏ　ｇｅｏｍｅｔｒｉｃ　ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１０，３１（８）：１９５９—１９８０．　［２６］Ｓｕｒｉ　Ｓ，Ｓｃｈｗｉｎｄ　Ｐ，Ｒｅｉｎａｒｔｚ　Ｐ，ｅｔ　ａ１．Ｃｏｍｂｉｎｉｎｇ　ｍｕｔｕａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ　ｆｏｒ　ｆａｓｔ　ｎａｄ　ｒｏｂｕｓｔ　ｍｕｌｔｉｓｅｎｓｏｒ　ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　７５ｔｈ　ａｎｎｕａｌ　ＡＳ－　ＰＲＳ　Ｃｏｎｆｅｒｅｎｃｅ．Ｗｅｓｓｌｉｎｇ，Ｇｅｒｍａｎｙ：Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｓｔｉｔｕｔｅ，２００９．　［２７］Ｗａｎｇ　Ｓ　Ｈ，Ｙｏｕ　Ｈ　Ｊ，Ｆｕ　Ｋ．ＢＦＳＩＦＴ：Ａ　ｎｏｖｅｌ　ｍｅｔｈｏｄ　ｔｏ　ｆｉｎｄ　ｆｅａｔｕｒｅ　ｍａｔｃｈｅｓ　ｆｏｒ　ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｅｅ　ａｎｄ　Ｒｅ—　ｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２０１２，９（４）：６４９—６５３．　［２８］Ｄｅｌｌｉｎｇｅｒ　Ｆ，Ｄｅｌｏｎ　Ｊ，ＧｏｕｓｓｅａｕＹ，ｅｔ　ａ１．ＳＡＲ—ＳＩＴＦ：Ａ　ＳＩＦＴ—ｌｉｋｅ　ａｌｇｏｉｒｔｈｍ　ｆｏｒ　ａｐｐｌｉｃａｔｉｏｎｓ　ｏｎ　ＳＡＲ　ｉｍａｇｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｍａｔｉｏｎａｌ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｓｙｍｐｏｓｉｕｍ　（ＩＧＡＲＳＳ）．Ｍｕｎｉｃｈ：ＩＥＥＥ，２０１２：３４７８—３４８１．　［２９］Ｆａｎ　Ｊ　Ｗ，Ｗｕ　Ｙ，Ｗａｎｇ　Ｆ，ｅｔ　ａ１．ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｕｓｉｎｇ　ｐｈａｓｅ　ｃｏｎｇｒｕｅｎｃｙ　ａｎｄ　ｎｏｎｌｉｎｅａｒ　ｄｉｆｆｕｓｉｏｎ—ｂａｓｅｄ　ＳＩＦＴ［Ｊ］．ＩＥＥＥ　Ｇｏｏ—　ｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２０１５，１２（３）：５６２—５６６．　［３０］Ａｂｅｄｉｎｉ　Ａ，Ｈａｈｎ　Ｍ，Ｓａｍａｄｚａｄｅｇａｎ　Ｆ．Ａｎ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｉｎｔｏ　ｔｈｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　ＬＩＤＡＲ　ｉｎｔｅｎｓｉｔｙ　ｄａｔａ　ａｎｄ　ａｅｒｉａｌ　ｉｍａｇｅｓ　ｕｓｉｎｇ　ｔｈｅ　ＳＩＦＴ　ａｐｐｒｏａｃｈ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｒ－　ｃｈｉｖｅｓ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｙｒ，Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　Ｓｐａｔｉａｌ　Ｉｆｎｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅｓ．Ｂｅｉｊｉｎｇ，２００８，３７：３—１１．　［３１］Ｙｉ　Ｚ，Ｚｈｉｇｕｏ　Ｃ，Ｙａｎｇ　Ｘ．Ｍｕｌｔｉ—ｓｐｅｃｔｒａｌ　ｒｅｍｏｔｅ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＳＩＦＴ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃｓ　Ｌｅｔｔｅｒｓ，２００８，４４（２）：１０７—１０８．　［３２］Ｌｉ　Ｑ　Ｌ，Ｗａｎｇ　Ｇ　Ｙ，Ｌｉｕ　Ｊ　Ｇ，ｅｔ　ａ１．Ｒｏｂｕｓｔ　ｓｃａｌｅ—ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ｆｏｒ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉ—　ｅｎｅｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｌｅｔｔｅｒｓ，２００９，６（２）：２８７—２９１．　［３３］Ｖｕｒａｌ　Ｍ　Ｆ，Ｙａｒｄｉｍｅｉ　Ｙ，Ｔｅｍｉｚｅｉ　Ａ．Ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　ｍｕｌｔｉｓｐｅｅｔｒｌａ　ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅｓ　ｗｉｔｈ　ｏｒｉｅｎｔａｔｉｏｎ—ｒｅｓｔｉｒｃｔｅｄ　ＳＩＴＦ［Ｃ］／／Ｐｒｏｃｅｅｄ．　ｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｓｙｍｐｏ—　ｓｉｕｍ．Ｃａｐｅ　Ｔｏｗｎ：ＩＥＥＥ，２００９，３：ＩＩＩ一２４３一ＩＩＩ一２４６．　［３４］Ｌｉｕ　Ｊ　Ｚ，Ｙｕ　Ｘ　Ｃ．Ｒｅｓｅａｒｃｈ　ｏｎ　ＳＡＲ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ＳＩＦＴ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｒｃｈｉｖｅｓ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ，Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　Ｓｐａｔｉａｌ　Ｉｎｆｏｒｎｍｔｉｏｎ　Ｓｃｉ—　ｅｎｃｅｓ．Ｂｅｉｊｉｎｇ，２００８，３７：４０３—４０８．　［３５］岳春字，江万寿．几何约束和改进ＳＩＦＴ的ＳＡＲ影像和光学影　像自动配准方法［Ｊ］．测绘学报，２０１２，４１（４）：５７０—５７６．　Ｙｕｅ　Ｃ　Ｙ，Ｊｉａｎｇ　Ｗ　Ｓ．Ａｎ　ａｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ＳＡＲ　ｎａｄ　ｏｐｔｉｃａｌ　ｉｍａｇｅｓ　ｂａｓｅｄ　ｏｎ　ｇｅｏｍｅｔｙｒ　ｃｏｎｓｔｒａｉｎｔ　ａｎｄ　ｉｍｐｒｏｖｅｄ　ＳＩＦＴ［Ｊ］．Ａｃｔａ　Ｇｅｏｄａｅｔｉｃａ　ｅｔ　Ｃａｒｔｏｇｒａｐｈｉｅａ　Ｓｉｎｉｃａ，２０１２，４１（４）：　５７０—５７６．　［３６］Ｙｕ　Ｌ，Ｚｈａｎｇ　Ｄ　Ｒ，Ｈｏｌｄｅｎ　Ｅ　Ｊ．Ａ　ｆａｓｔ　ａｎｄ　ｆｕｌｌｙ　ａｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａ—　ｔｉｏｎ　ａｐｐｒｏａｃｈ　ｂａｓｅｄ　ｏｎ　ｐｏｉｎｔ　ｆｅａｔｕｒｅｓ　ｆｏｒ　ｍｕｌｔｉ—。ｓｏｕｒｃｅ　ｒｅｍｏｔｅ——　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ＆Ｇｅｏｓｅｉｅｎｅｅｓ，２００８，３４（７）：８３８—　８４８．　［３７］刘向增，田铮，温金环，等．基于仿射不变ＳＩＦＴ特征的ＳＡＲ图　像配准［Ｊ］．光电工程，２０１０，３７（１１）：１２１—１２７．　Ｌｉｕ　Ｘ　Ｚ，Ｔｉａｎ　Ｚ，Ｗｅｎ　Ｊ　Ｈ，ｅｔ　ａ１．ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ａｆｆｉｎｅ　ｉｎｖａｒｉａｎｔ　ＳＩＦＴ　ｆｅａｔｕｒｅｓ［Ｊ］．Ｏｐｔｏ—Ｅｌｅｃｔｏｒｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ，　２０１０，３７（Ｏ１１）：１２１—１２７．　［３８］ⅥＺ，Ｚｈａｎｇ　Ｘ，Ｍｕ　Ｘ，ｅｔ　ａ１．ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＳＩＦＴ　ａｎｄ　ＭＳＡ［Ｃ］／／Ｃｏｎｆｅｒｅｎｃｅｓ　ｏｆ　ｔｈｅ　Ｐｈｏｔｏｅｌｅｃｔｏｒｎｉｅ　Ｔｅｃｈｎｏｌｏｇｙ　Ｃｏｍｍｉｔｔｅｅ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｏｆ　Ａｓｔｒｏｎａｕｔｉｃｓ：Ｏｐｔｉｃａｌ　Ｉｍａｇｉｎｇ，　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，ａｎｄ　Ｌａｓｅｒ—Ｍａｔｔｅｒ　Ｉｎｔｅｒａｃｔｉｏｎ．Ｓｕｚｈｏｕ：ＳＰＩＥ，　２０１４，９１４２：９１４２１　Ｋ．　［３９］¨Ｄ，Ｚｈａｎｇ　Ｙ　Ｈ．Ａ　ｆａｓｔ　ｏｆｆｓｅｔ　ｅｓｔｉｍａｔｉｏｎ　ａｐｐｒｏａｃｈ　ｆｏｒ　ＩｎＳＡＲ　ｉｍ—　ａｇｅ　ｓｕｂｐｉｘｅｌ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓ－　ｉｎｇ　Ｌｅｔｔｅｒｓ，２０１２，９（２）：２６７—２７１．　［４０］Ｙｅ　Ｙ　Ｘ，Ｓｈａｎ　Ｊ．Ａ　ｌｏｃａｌ　ｄｅｓｃｒｉｐｔｏｒ　ｂａｓｅｄ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｍｅｔｈｏｄ　ｆｏｒ　ｍｕｌｔｉｓｐｅｅｔｒａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ　ｗｉｔｈ　ｎｏｎ—ｌｉｎｅａｒ　ｉｎｔｅｎｓｉｔｙ　ｄｉｆｆｅｒｅｎｃｅｓ［Ｊ］．ＩＳＰＲＳ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ．２０１４，９０：８３—９５．　［４１］宋智礼．基于特征点与边界信息的全自动多模态遥感图像配　准方法［Ｊ］．国土资源遥感，２０１４，２６（３）：４８—５４．ｄｏｉ：１０．６０４６／　ｔｇｚｙｙｇ．２０１４．０３．０８．　Ｓｏｎｇ　Ｚ　Ｌ．Ａｕｔｏｍａｔｉｃ　ａｐｐｒｏａｃｈ　ｂａｓｅｄ　ｏｎ　ｐｏｉｎｔ　ａｎｄ　ｃｕｒｖｅ　ｆｅａｔｕｒｅｓ　ｏｆｒ　ｍｕｈｉｍｏｄａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ－　ｉｎｇ　ｆｏｒ　Ｌａｎｄ　ａｎｄ　Ｒｅｓｏｕｒｃｅｓ，２０１４，２６（３）：４８—５４．ｄｏｉ：１０．６Ｏ４６／　ｚｙｙｇ．２Ｏ１４．ｏ３．Ｏ８．　［４２］王晓华，邓喀中，杨化超．集成互补不变特征的ｓＡＲ影像自动　配准［Ｊ］．国土资源遥感，２０１４，２６（１）：５２—５６．ｄ０ｉ：ｌ０．６０４６／　·２０·　ｇｔｚｙｙｇ．２０１４．０１．１０．　国土资源遥感　２０１６矩　ｉｓｔｒａｔｉｏｎ　ｔｈｒｏｕ曲ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｎｄ　ＳＩＦＴ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃ．　ｔｉｏｎｓ　ｏｎ　Ｇｅｏｓｃｉｅｎｃｅ　ａｎｄ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０１１，４９（７）：２５８９—　２６００．　Ｗａｎｇ　Ｘ　Ｈ，Ｄｅｎｇ　Ｋ　Ｚ，Ｙａｎｇ　Ｈ　Ｃ．Ａｕｔｏｍａｔｉｃ　ＳＡＲ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａ—　ｔｉｏｎ　ｏｆ　ｉｎｔｅｇｒａｔｅｄ　ｃｏｍｐｌｅｍｅｎｔａｒｙ　ｉｎｖａｆｉａｎｔ　ｆｅａｔｕｒｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｆｏｒ　Ｌａｎｄ　ａｎｄ　Ｒｅｓｏｕｒｃｅｓ，２０１４，２６（１）：５２—５６．ｄｏｉ：　１０．６０４６／ｇｔｚｙｙｇ．２０１４．Ｏ１．１０．　［４９］Ｑｉｕ　Ｐ　Ｒ，Ｌｉａｎｇ　Ｙ．Ｔｈｅ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＳＩＦＴ　ａｎｄ　ＣＯＮＴＯＵＲＬＥＴ　ｔｒａｎｓｆｏｒｍ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｏｆｔｗａｒｅ　［４３］李晓明，郑链，胡占义．基于ＳＩＦＴ特征的遥感影像自动配准　［Ｊ］．遥感学报，２００６，１０（６）：８８５—８９２．　Ｌｉ　Ｘ　Ｍ，Ｚｈｅｎｇ　Ｌ，Ｈｕ　Ｚ　Ｙ．ＳＩＦＴ　ｂａｓｅｄ　ａｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　ｒｅ—　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｓｅｒｖｉｃｅ　Ｓｃｉｅｎｃｅ（ＩＣＳＥＳＳ）．Ｂｅｉｊｉｎｇ：ＩＥＥＥ，２０１　３：　９０６—９０９．　ｍｏｔｅｌｙ—ｓｅｎｓｅｄ　ｉｍａｇｅｒｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２００６，　１０（６）：８８５—８９２．　［５Ｏ］李伟峰，周金强，方圣辉．基于改进Ｈａｕｓｄｏｒｆｆ距离的图像配准　方法［Ｊ］．国土资源遥感，２０１４，２６（２）：９３—９８．ｄｏｉ：１０．６０４６／　ｇｔｚｙｙｇ．２０１４．０２．１６．　［４４］Ｌｉｕ　Ｘ　Ｊ，Ｙａｎｇ　Ｊ，Ｓｕｎ　Ｊ　Ｗ，ｅｔ　ａ１．Ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｐｐｒｏａｃｈ　ｂａｓｅｄ　ｏｎ　ＳＩＦＴ［Ｊ］．Ｉｎｆｒａｒｅｄ　ａｎｄ　Ｌａｓｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００８，３７（１）：１５６—　１６０．　Ｌｉ　ｗ　Ｆ．Ｚｈｏｕ　Ｊ　Ｑ．Ｆａｎｇ　Ｓ　Ｈ．Ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｉｍｐｒｏｖｅｄ　Ｈａｕｓｄｏｒｆｆ　ｄｉｓｔａｎｃｅ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆｒ　Ｌａｎｄ　ａｎｄ　Ｒｅ．　ｓｏｕｒｃｅｓ，２０１４，２６（２）：９３—９８．ｄｏｉ：１０．６０４６／ｇｔｚｙｙｇ．２０１４．０２．１６．　［４５］李芳芳，肖本林，贾永红，等．ＳＩＦＴ算法优化及其用于遥感影像　自动配准［Ｊ］．武汉大学学报：信息科学版，２ＯＯ９，３４（１０）：１２４５—　１２４９．　［５１］高华，曹锋，陈明星．基于ＳＩＦＴ—ＢＰ的图像配准算法［Ｊ］．重　庆理工大学学报：自然科学，２０１１，２５（１２）：１０６—１１０．　Ｇａｏ　Ｈ，Ｃａｏ　Ｆ，Ｃｈｅｎ　Ｍ　Ｘ．Ａｌｇｏｒｉｔｈｍ　ｏｆ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｌｉ　Ｆ　Ｆ，Ｘｉａｏ　Ｂ　Ｌ，Ｊｉａ　Ｙ　Ｈ，ｅｔ　ａ１．Ｉｍｐｒｏｖｅｄ　ＳＩＦＴ　ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　ａｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　ｒｅｍｏｔｅｌｙ—ｓｅｎｓｅｄ　ｉｍａｇｅｒｙ　ＳＩＦＴ—ＢＰ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｏｎｇｑｉｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ：Ｎａｔｕ—　ｒａｌ　Ｓｃｉｅｎｃｅ，２０１１，２５（１２）：１０６—１１０．　［Ｊ］．Ｇｅｏｍａｔｉｅｓ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，　２００９，３４（１０）：１２４５—１２４９．　［５２］Ｙｅ　Ｆ　Ｍ，Ｘｕ　Ｓ　Ｐ，Ｘｉｏｎｇ　Ｙ　Ｈ．Ｔｗｏ—ｓｔｅｐ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｂｙ　ａｒｔｉ—　ｉｆｅｉｌａ　ｉｍｍｕｎｅ　ｓｙｓｔｅｍ　ａｎｄ　ｃｈａｍｆｅｒ　ｍａｔｃｈｉｎｇ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｏｐｔｉｃｓ　ｏｆ　Ｌｅｔｔｅｒｓ，２００８，６（９）：６５１—６５３．　［４６］张建花，白仲斐，惠广裕．基于ＳＩＦＴ算法的异源遥感影像自动　匹配研究［Ｊ］．电子设计工程，２０１１，１９（１３）：１７６—１７９．　Ｚｈａｎｇ　Ｊ　Ｈ，Ｂａｉ　Ｚ　Ｆ，Ｈｕｉ　Ｇ　Ｙ．Ｒｅｓｅａｒｃｈ　ｏｎ　ａｕｔｏｍａｔｉｃ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｏｆ　［５３］ｗａｍ　Ｓ，Ｅｍｅｎｅｋｅｒ　Ｗ，Ｃｏｔｈｒｅｎ　Ｊ，ｅｔ　ａ１．Ａｃｃｅｌｅｒａｔｉｎｇ　ＳＩＦＴ　ＯＤ　ｐａｒａｌ—　ｌｅｌ　ａｒｃｈｉｔｅｃｔｕｒｅｓ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒ－　ｅｎｅｅ　ｏｎ　Ｃｌｕｓｔｅｒ　Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｗｏｒｋｓｈｏｐｓ．Ｎｅｗ　Ｏｒｌｅａｎｓ，ＬＡ：　ＩＥＥＥ．２００９：１—４．　ｍｕｌｔｉ—ｓｏｕｒｃｅ　ｒｅｎｌｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ　ｂａｓｅｄ　ｏｎ　ＳＩＴ　Ｆａｌｇｏｒｉｔｈｍ［Ｊ］．　Ｅｌｅｃｔｒｏｎｉｃ　Ｄｅｓｉｇｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１１，１９（１３）：１７６—１７９．　［４７］Ｓｏｎｇ　Ｚ　Ｌ，Ｌｉ　Ｓ，Ｇｅｏｒｇｅ　Ｔ　Ｆ．Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｐ－　ｐｒｏａｃｈ　ｂａｓｅｄ　ｏｎ　ａ　ｒｅｔｒｏｆｔｔｅｄ　ＳＩＴ　ａＦｌｇｏｒｉｔｈｍ　ａｎｄ　Ｌｉｓｓａｊｏｕｓ—ｃｕｒｖｅ　［５４］Ｍｏｉｇｎｅ　Ｊ　Ｌ，Ｎｅｔａｎｙａｈｕ　Ｎ　Ｓ，Ｅａｓｔｍａｎ　Ｒ　Ｄ．Ｉｍａｇｅ　Ｒｅｇｉｓｔｒａｔｉｏｎ　ｆｏｒ　ｔｒａｊｅｃｔｏｒｉｅｓ［Ｊ］．Ｏｐｔｉｃｓ　Ｅｘｐｒｅｓｓ，２０１０，１８（２）：５１３—５２２．　［４８］Ｇｏｎｅａｌｖｅｓ　Ｈ，Ｃｏｒｔｅ—Ｒｅａｌ　Ｌ，Ｇｏｎｃａｌｖｅｓ　Ｊ　Ａ．Ａｕｔｏｍａｔｉｃ　ｉｍａｇｅ　ｒｅｇ—　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ［Ｍ］．Ｃａｍｂｒｉｄｇｅ：Ｃａｍｂｒｉｄｇｅ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，　２０ｌ１　Ｓｕｍｍａｒｉｚａｔｉｏｎ　ｏｆ　ＳＩＦＴ－－ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ＬＩ　Ｆｕｙｕ，ＹＥ　Ｆａｍａｏ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｅｈａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｅｈａｎｇ　３３００３１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｉｓ　ａｎ　ｉｎｄｉｓｐｅｎｓａｂｌｅ　ｐａｒｔ　ｉｎ　ｓｕｃｈ　ａｓｐｅｃｔｓ　ａｓ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｆｕｓｉｏｎ，ｃｈａｎｇｅ　ｄｅｔｅｃｔｉｏｎ，ａｎｄ　ｉｍａｇｅ　ｍｏｓａｉｃｋｉｎｇ．Ｒｅｃｅｎｔｌｙ，ｍａｎｙ　ＳＩＦＴ—ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｍｅｔｈｏｄｓ　ｈａｖｅ　ｂｅｅｎ　ｐｒｅｓｅｎｔｅｄ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ＳＩＦＴ—ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ　ａｒｅ　ｄｉｓｃｕｓｓｅｄ　ｉｎ　ａ　ｓｙｓｔｅｍａｔｉｃ　ｗａｙ．Ｉｍｐｒｏｖｅｍｅｎｔｓ　ｏｆ　ｔｈｅｓｅ　ｔｅｃｈｎｉｑｕｅｓ　ａｒｅ　ｃａｔｅｇｏｒｉｚｅｄ　ｉｎｔｏ　４　ｔｙｐｅｓ，ｉ．ｅ．ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　，ｉｍｐｒｏｖｅｄ—ＳＩＦＴ，ｉｍｐｒｏｖｅｍｅｎｔ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｐｒｏｐｅｒｔｉｅｓ，ｃｏｍｂｉｎａｔｉｏｎ　ｗｉｔｈ　ｏｔｈｅｒ　ｍｅｔｈｏｄｓ，ａｎｄ　ｉｍｐｒｏｖｅｍｅｎｔ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｐｒｏｃｅｓｓ．Ｔｈｅｎ，ｔｈｅ　ａｄｖａｎｔａｇｅｓ，ｄｉｓａｄｖａｎｔａｇｅｓ　ａｎｄ　ｓｃｏｐｅ　ｏｆ　ａｐｐｌｉｃａｔｉｏｎｓ　ａｒｅ　ａｎａｌｙｚｅｄ　ｆｏｒ　ｅａｃｈ　ｃａｔｅｇｏｒｙ．Ｔｈｅ　ｅｘｉｓｔｅｎｔ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｄｉｉｃｕｌｔｉｅｓ　ｏｆ　ＳＩＦＴ—ｆ—ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｒｅ　ｓｕｍｍａｒｉｚｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅ　ｐｒｏｓｐｅｃｔｓ　ｏｆ　ＳＩＦＴ—ｂａｓｅｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｒｅ　ｐｒｅｄｉｃｔｅｄ　ｓｏ　ａｓ　ｔｏ　ｐｒｏｖｉｄｅ　ｓｏｍｅ　ｖａｌｕａｂｌｅ　ｒｅｆｅｒｅｎｃｅｓ　ｆｏｒ　ｒｅｓｅａｒｃｈｅｒｓ　ｉｎ　ｔｈｉｓ　ｆｉｅｌｄ．　Ｋｅｙｗｏｒｄｓ：ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ（ＳＩＦＴ）；ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ；ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ；ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　第一作者简介：李孚煜（１９８９一），男，硕士研究生，主要研究方向为遥感图像配准。Ｅｍａｉｌ：ｌｉｆｕｙｕ１９８９１９＠ｇｍａｉｌ．ｃｏｎ。　通信作者：叶发茂（１９７８一），男，副教授，主要从事遥感图像处理和人工智能方面研究。Ｅｍａｉｌ：ｙｅｆａｍａｏ＠ｎｃｕ．ｅｄｕ．ｃｎ。　（责任编辑：刘心季）