针对遥感影像本身存在纹理差异, 特征点提取不均匀的自动配准问题, 提出了一种新的多源遥感影像高精度自动配准方法。首先, 对Harris算子进行了改进, 使其提取特征点覆盖范围更广; 然后, 对影像进行分块处理, 对每块用文章改进的Harris算子进行特征点提取, 并采用分块迭代剔除策略, 保证了特征点在整幅影像中的均匀分布和非冗余分布; 其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配, 完成了最终同名点选取; 最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理, 能够更好地实现多源遥感影像的高精度配准, 具有一定实际意义。

多源遥感影像融合中，通常不同地物区域对光谱特征和空间细节信息的要求有所不同。针对该特点，提出了一种 IR(自适应半径搜索 )显著性分析模型，实现了对多源遥感影像显著性区域和非显著性区域的识别与划分。结合 HIS与小波变换融合算法，提出了改进的自适应平均梯度加权 HIS融合方法，实现了对道路、农田、居民区等显著性区域的融合，更好的保留了其丰富的空间细节信息；同时提出了 HIS+WT变换的融合方法，实现了对山地、林地等非显著性区域的融合，保留了较多的光谱信息。以此实现了分区域的自适应遥感影像融合。实验结果表明，本文方法能够使融合后的遥感影像既能保持较高的空间细节表现能力，又能很好地保留其光谱信息。对农业科学、森林规划以及今后森林遥感影像分类、识别等研究提供了一定的理论基础与应用价值。