图像匹配是图像处理的一项关键技术,广泛应用于跟踪、立体视觉、变化监测、测绘等领域.匹配制导具有自主性强、制导精度高等优点.在匹配制导中所采用的匹配算法,面临着其他领域的匹配算法中一般不会遇到的问题,那就是匹配的实时图像与基准图像之间的比例尺缩放和旋转角度事先是无法获知的,这就使得目前已有的各种匹配算法绝大多数都不能直接使用.本文所研究的实孔径雷达图像,噪声很大,分辨率各部分不一致,使得目标图像模糊,更加大了特征提取和匹配的难度.本论文针对用户感兴趣的主要目标——机场,首先利用SPOT多光谱图像对目标所在区域进行分类,按照所区分出的地物找出对应的微波段散射系数.根据雷达方程计算出这些地物在雷达图像上应有的灰度,再加入斑点噪声,就形成了一幅模拟SAR图像.按照实孔径雷达成像公式,对图像重采样,得到模拟的实孔径雷达图像.机场的长跑道、跑道间的短边都是对匹配至关重要的特征,应尽可能提取出来.对于图像中的机场目标,由于噪声的原因,传统的边缘提取方法很难得到较好的效果.本论文采用改进的Hough变换,提取参数空间中的多个最大值,把机场跑道提取出来.然后再将Hough变换的搜索范围限制在两条长跑道之间,并将搜索的角度范围限制在与跑道呈一定夹角的范围内.只要Hough变换的最大值数量取得合适,就能抑制噪声的影响,将其他算法很难提取出的短边大部分检测出来.最后还要将提取出的直线上的断点连接起来,并去除其他地物的干扰.由于Hough变换已经得到了跑道的方向,本论文根据跑道之间的各短边间距的比例关系,提出计算各种缩放比例尺下雷达图像与基准图像对应的短边间距的方差,方差最小时所对应的那种比例尺就是两图像间的缩放比例,同时也确定了Hough变换不能确定的一条直线可能有两个相差180度的方向的问题.在上述计算过程中,已经将两幅图像各自短边的中点分别对应起来,因此实际上也就是一个粗匹配的过程.基准图像经过旋转和缩放后,就可以在上述计算过程所确定的一个小邻域中使用常规匹配算法进行精匹配计算.本论文使用模拟的实孔径雷达图像,与一幅SPOT全色图像进行试验,并用灰度自相关和距离匹配两种方法进行精匹配计算,验证了算法的正确性.