合成孔径雷达(Synthetic Aperture Radar，SAR)可以在全天时、全天候的情况下，提供高分辨率的遥感图像，因此，利用SAR实时图像进行景象匹配导航具有不可替代的优势。随着遥感成像技术逐渐成熟，SAR景象匹配导航成为景象匹配导航的主流发展方向之一。SAR图像基准图覆盖率低，缺少SAR基准图时，一般采用光学图像作为基准图，需要对SAR实时图和光学基准图进行匹配。然而，SAR图像本身特性复杂，且异源图像之间的差异较大，增加了SAR和光学图像景象匹配的难度。　　传统的SAR和光学景象匹配方法包括基于区域的互相关法、基于边缘特征的Hausdorff距离匹配等，研究和应用较为成熟。但是这些方法没有脱离模板匹配的局限，计算量大，抗旋转和尺度变化的能力差。SIFT(Scale Invariant FeatureTransform)算法在旋转、尺度、几何形变上均表现出较好的适应性，在景象匹配领域受到广泛的关注。但是由于SAR图像相干斑噪声明显、异源图像差异大，直接应用SIFT算法效果不够理想。　　本文以SIFT算法为基础，提出了一套基于特征的SAR和光学图像景象匹配算法。针对SAR图像特性及其与光学图像之间的差异，开展以下两点工作:　　(1)基于增强Lee滤波非线性尺度空间的SAR图像特征点提取;(2)基于相位一致性和SIFT融合的SAR和光学图像景象匹配。　　针对SAR图像特征提取中的相干斑问题，提出一类基于增强Lee滤波非线性尺度空间的构造方法，用于提取具有尺度不变特性的SIFT特征点。该方法相比传统尺度空间有两点改进:首先，利用SAR图像特有的频域多视处理，代替尺度空间中的空域降采样，构造多分辨率图像，提高了辐射分辨率，抑制了相干斑;其次，以改进的增强Lee滤波作为卷积核，建立非线性尺度空间，在保留特征细节的同时，进一步抑制了相干斑。该方法提高了特征点数量，在提取过程中着重考虑了相干斑抑制，提升了SAR图像特征点匹配效果。　　针对光学图像和SAR图像灰度差异较大的问题，提出了一种基于相位一致性和SIFT融合的异源图像配准方法。首先，改进了特征点和描述符的方向，解决因主方向偏转和灰度反转导致的匹配失败问题。其次，通过引入图像的相位一致性信息，剔除SAR和光学图像之间的差异，并基于相位一致性最大距特征和梯度信息，建立改进的SIFT描述符。该方法降低了同名点之间的差异，提高了异源图像同名点的匹配正确率。