文献综述（或调研报告）：
- 国内外研究现状
在国产卫星数据方面，吉林大学的崔璨[1]在她的硕士学位论文中通过对比的方法，对国产卫星资源一号02C和资源三号的多光谱影像，分别在影像统计特征、影像纹理特征、影像能量特征等方面进行定量的比较，客观地评价了数据质量，提出了可行的影像预处理的方法。
在图像配准技术方面，根据燕山大学的樊曼曼[2]的硕士学位论文，我们可以得知国内外图像配准技术的研究现状。在国外，早在二十世纪七十年代，P.E.Anuta[3]提出了一种FFT互相关的图像配准技术,从而提高配准速度；1982年Rosenfeld[4]在基于灰度配准的基础上提出了交叉相关图像配准方法；1995年，Viola和Collignon[5-5]等人在配准中引入交互信息。在国内，图像配准的研究时间较短，2000年张忠[7]等人提出了一种复合配准算法；2004年彭小明[8]等人使用了Hausdorff距离改进的算法进行特征匹配；2008年赵芹等人在基于特征点配准的基础上将以点角为特征点和以闭合区域的质心为特征点的方法进行比较分析；2010年胡占义等人将SIFT算法应用于遥感影像配准中。在电子科技大学的罗代建[9]在他的硕士学文论文中对图像配准的基本原理作了详细介绍，指出了基于灰度的配准方法的不足之处，同时也详细地介绍了基于特征的图像的配准方法和步骤。
在SIFT算法方面，河南理工大学的张金金[10]的硕士学文论文中对SIFT算法进行了一些介绍，SIFT算法是加拿大教授David Lowe[11-12]在1999年提出，并在2004年进行完善总结的；2004年Y.Ke[13]通过PCA（主成分分析）代替直方图的方法对SIFT算法进行改进；2005年，Mikolajczyk和Schmid[14]通过一系列的实验，对不同的场景，对光照变化、图像几何变形、分辨率差异、旋转、模糊和图像压缩等六种情况，将多种描述子进行对比分析，结果表明， SIFT描述子的性能最好，而且Mikolajczy在前人的研究基础上提出了一种GLOH算法；Besl和Mckay提出了IPC(Iterative Closest Point)算法；龚志辉等人针对SIFT特征位数过高的问题进行改进；焦斌亮等人利用Harris角点检测代替传统SIFT算法；田文等人提出一种基于统一计算设备架构（CUDA）的SIFT快速算法。
在SAR与光学影像配准方面，山东科技大学的贾伟洁[15]的硕士学文论文中提到，从上世纪七十年代以来，因为SAR与光学影像可以优势互补而且能被广泛地应用，所以许多学者都已经做了有关SAR与光学影像配准的研究。P.Dare[16]对于SAR和SPOT影像之间的基于特征的配准方法进行了研究；Yosi Keller和Amir Averbuch[17]针对不同模型传感器的影像，使用隐含的相似度来进行配准；Alexander Wong和David A.Clausi[18]做在相位一致性模型机型控制点的检测与匹配的基础上，提出了了一个遥感图像自动配准系统（ARRSI），并采取自适应的匹配措施；Anna Della Ventura[19]等通过特征构造之间关系信息来进行配准。
迄今为止，国内外的许多学者和教授已经发表许多关于图像配准方面的研究报告、论文等，提出了一系列的图像配准的方法。
- 基于SIFT算法的图像配准
图像配准是指依据一些相似性度量决定图像间的变换参数，使不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像，变换到同一坐标系下，在像素层上得到最佳匹配的过程[20]。图像配准可简单的归为四类：模板配准、多模态配准、时间序列配准和观察点配准。图像配准的基本核心问题就是将图像的灰度值与像素坐标进行双重映射。图像配准的基本框架由四部分组成：特征空间、搜索空间、搜索策略以及相似性度量。一个典型的图像配准系统包括四个部分：特征提取、特征匹配、变换模型参数估算和图像重采样和变换。
图像配准分为基于灰度配准和基于特征配准。基于灰度配准的方法通常是直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种搜索方法，寻找使相似性度量值最大或者最小的变换模型参数值。但是基于灰度的配准方法存在着一些缺点，如计算量大、耗时长、对缩放旋转和扭曲等敏感等，所以这种方法很少被使用。基于特征的图像配准首先提取图像信息的特征，然后以这些特征为模型进行配准，相对于基于灰度的配准方法，特征相对几何图像和辐射度影响不易变化。基于特征的配准所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。
樊曼曼针对SIFT算法的配准误差较大的缺点，提出了基于Harris角点检测法对图像进行特征点的提取，这种方法提取的角点分布均匀，所以可以避免很多误匹配。角点是一种重要的局部特征，对掌握整个目标的轮廓特征起着决定性的作用。角点检测法在图像处理领域是一种常用的检测方法。最常用的 三种方法是Moravec角点检测算法、SUSAN角点检测算法和Harris角点检测算法。
为了克服SIFT算法在实际遥感图像配准应用中的特征提取不稳定和耗时长等缺点，赵亚萌[21]提出了一种基于多波段遥感影像信息综合应用的特征点的提取方法，还提出了一种高斯尺度空间构建的改进方法,并且采用CUDA技术实现改进SIFT算法的并行加速优化。显著地提高了特征点提取的数量、质量和速度，提高了遥感影像预处理效率。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
