针对不同时相卫星影像匹配效果差的问题，提出基于各向异性滤波的相位一致性的卫星影像匹配方法。首先，利用各向异性滤波建立图像非线性尺度空间，再利用相位一致性模型计算每个尺度下的最大矩图。其次，在每个尺度下的最大矩图上利用分块Shi-Tomasi算法提取特征点，再通过Log-Gabor滤波器建立多尺度多方向的幅值响应，并计算图像的最大幅值响应及其最大幅值的方向索引。然后，在极坐标系下，基于OpenMP并行计算实现特征描述符加速构建，再进行影像匹配与误匹配剔除。最后，利用6组不同时相、不同视角、辐射差异明显的卫星影像进行实验，实验结果表明，所提出的匹配方法明显优于传统的尺度不变特征变换（SIFT）算法和目前较为先进的辐射变化强度特征转换（RIFT）、绝对相位一致性梯度直方图（HAPCG）等算法。

利用非线性扩散滤波构造尺度空间,将Hessian矩阵的弱边缘检测能力与Laplace算子的强边缘检测能力相结合,以Hessian矩阵行列式与Laplace算子之比作为特征判据,提出了一种基于非线性扩散滤波的图像特征检测算法,并对点和线仿真图像、Mikolajczyk标准数据库、SALSA偏振相机获取的真实场景图像进行了性能验证。结果表明,所提算法能够检测出图像的强边缘、弱边缘和角点特征,受光照、对比度影响较小,稳健性好。

针对KAZE特征匹配算法对视角变化敏感, 在大视角场景下不能实现正确匹配的问题, 提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上, 计算特征点邻域内的二阶梯度均值, 形成新的扩展的80维描述符; 然后利用透视变换模型对待匹配影像进行多视角模拟, 在模拟影像上提取改进的KAZE描述符, 再进行特征匹配。最后, 选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果, 利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验, 结果表明：与 KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比, 所提算法对视角变化具有更强的鲁棒性; 与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比, 本算法匹配正确率更高, 分别为PSIFT的2~10倍, ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性, 不仅对模拟影像的视角变化很稳健, 而且适用于真实三维复杂场景拍摄的大视角影像, 具有一定的实用价值。