中文摘要：

从多幅不同视点获取的图像中提取不变特征量是智能图像处理领域的共性基础 问题，如图像目标识别、图像配准及图像检索等。视角变化引起的复杂几何变换、光照条件 引起的灰度变换、成像噪声是影响特征不变性的三大主要因素。大多数不变特征提取方法都 只侧重于某一方面的不变性研究，不能有效解决多种实际变化因素综合影响下的不变特征提 取问题。根源在于缺乏有效的视觉感知模型来解释各种不变特征的内在关系。本项目重在研究三大因素影响下图像之间存在的变换模型及其数学描述；利用视觉感知中多尺度、多通道等物理模型提炼出可模拟视觉不变性的数学工具，丰富和完善不变特征提取的理论；结合各数学工具之间的互补性来提出并实现稳健性更强、适用性更广的不变特征提取方法；最后，通过变化检测等典型遥感应用分析来拓展不变特征可能提升的空间，为智能遥感图像处理系统的设计和实现提供新思路和重要的技术储备。

结论摘要：

如何尽可能的挖掘人类视觉系统的独特机制，启发设计不变性更强的特征提取方法一直是机器视觉和图像分析领域研究人员追求的目标。基于上述研究背景，项目系统深入的研究了视觉感知建模、全局不变特征提取、局部不变特征提取、不变特征提取性能评估等问题，并将研究成果应用于遥感图像配准、变化检测等实际问题。在视觉感知模型及其不变性方面，主要研究了视觉感知计算VFA模型和尺度-空间理论中的特征尺度自动选择机制。利用2D Gabor函数对VFA进行数学建模，为后续局部不变特征检测奠定基础。针对单个特征尺度所确定的特征描述符可能不足以区分两个较为相似的局部邻域的问题，对特征尺度自动选择机制进行了拓展，提出了一种多特征尺度选择方法。在全局不变特征提取方面，开展了全局图像信息的有效表示和建模方法的研究。针对小波变换的不足，提出利用多尺度几何分析对图像进行更符合视觉感知特性的稀疏表示，且实现了一种离散中值Shearlet变换(DMST)。在此基础上，对多尺度几何分析系数的统计特性进行分析，以DMST为例，提出了一种基于多尺度几何分析系数隐马尔科夫树模型(HMT)的全局不变特征提取方法。图像纹理检索实验验证了此方法的有效性。在局部不变特征提取方面，开展了不变特征检测和不变特征描述两部分的研究。针对当前不变特征检测代表性方法SIFT的不足，提出了一种基于Gabor滤波器组的多特征尺度不变特征检测方法(GIFT)。该方法可捕捉频域内显著的方向变化信息，同时又能克服传统方法在每个单一尺度下均检测特征点时出现特征冗余的不足。针对现有不变特征描述符则难以对抗照度变化和非刚体几何变换的难点，提出了一种有向非刚体形变局部不变特征描述符(oriented-Deformation and Light Invariant)。该方法用二阶矩阵估计非刚体形变下特征点的局部支撑区域和主方向，并利用热核信号的形变不变性来描述点的局部特征。在局部不变特征方法性能评价准则方面，开展了感知模型适应性和实验参数设置的研究。在遥感应用方面，研究并实现了将不变特征提取的结果或中间有意义结果嵌入到配准、变化检测等实际遥感图像处理流程中的方法。本项目研究的学术意义在于利用更有效的数学工具解释视觉不变性，丰富和完善了图像不变特征提取的理论。各项研究成果有机构成了功能完备的智能遥感图像处理原型系统。