1.一种多传感器遥感影像匹配方法，包括下列步骤：

步骤一、利用不同尺度的高斯核函数对参考影像I1和待匹配影像I2，分别进行卷积运算，建立影像的高斯尺度空间，并通过高斯尺度空间的相邻两层影像做差生成高斯差分尺度空间，然后，在此空间中进行极值检测，提取出具有尺度不变性的特征点PointIi；

步骤二、对相位一致性计算模型进行扩展，构建相位一致性特征方向，然后计算高斯尺度空间中每一层影像上的每个像素点的相位一致性特征值和特征方向；

步骤三、利用相位一致性特征值和特征方向构建局部特征描述符--局部相位一致性方向直方图，记为LHOPC，具体包括主方向和特征描述向量两个部分：(1)提取特征点PointIi中的一个点，以它为中心取大小为5×5个像素的邻域，计算邻域内的相位一致性特征值和特征方向，形成相位一致性方向直方图，并选择直方图的峰值方向作为特征点的主方向，使描述符具有旋转不变性；

(2)根据主方向建立坐标系，并以特征点PointIi为中心取大小为20×20个像素的邻域，然后把该邻域划分为4×4个子区域，将每个子区域内划分为8个方向，并统计每个方向的相位一致性特征值，构成相位一致性方向直方图，最后将每个子区域内的相位一致性方向直方图链接在一起，形成最终的特征描述向量—局部相位一致性方向直方图；

步骤四、分别计算参考影像I1上特征点PointI1i和待匹配影像I2上特征点PointI2i的LHOPC特征向量，并通过欧氏距离作为相似性测度，采用特征向量间的最近邻和次近邻距离之比dratio来进行匹配，当dratio小于或等于给定的阈值时，PointI1i和PointI2i则被视为匹配点；

步骤五、为了使匹配更加稳健，这里采用双向的匹配策略，即对于参考影像I1上的某一个特征点PointI1i，利用LHOPC进行匹配，获得它在待匹配影像I2上的同名点PointI2i，然后以同样的匹配方式，获得PointI2i在参考影像I1上对应的同名点PointI’1i；若PointI1i和PointI’1i是同一个点，则认为PointI1i和PointI2i是一对同名点；

步骤六、根据步骤四，遍历PointI1i的每一个点，得到对应的同名点PointI2i，即获得同名点对，记为{PointI1i，PointI2i}；

步骤七、采用随机采样一致性算法，以投影变换作为几何约束剔除错误匹配点，获得最终的正确同名点对{PointID1i，PointID2i}，实现影像的精确匹配。