图像配准是图像处理中的重要研究领域,同时也是图像拼接、融合、重建等会涉及到的预处理技术。而随着计算机视觉与图像处理研究的不断深入,单一源图像的应用与处理方法己不能满足飞速发展的应用需求。尤其是在医学图像、军事测控、遥感成像等领域,对异源图像的处理有助实现多种信息的互补与融合。而由于传感器差异、不同光波段成像原理不同、尺度变换等影响,异源图像间具有灰度差异大、结构关系难以建立等问题,所以相比同源图像,异源图像配准技术仍存在很多难点。由于不同传感器获得图像的成像差异,基于灰度的配准方法在处理异源图像时并不适用。因此本文探讨了基于特征的异源图像配准算法,主要涉及复合特征的提取和匹配、图像深度信息求取以及结合聚类分割的配准优化。针对异源场景,首先阐述了图像配准的基础理论与方法分类,重点介绍基于特征的配准流程。然后结合异源图像配准中容易遇到的问题,针对特征的提取与配准,运用SIFT特征点检测与Canny边缘检测,提出结合点与边缘的边缘点特征提取方法。在配准环节,考虑到图像特征点的灰度差异性,因此利用了离散点集的结构信息,实现混合高斯拟合下的迭代优化,求解模型参数,进行一致性相关点的点集匹配。针对上述点集配准结果,本文提出了基于深度信息的提升特征表现方法。而因为细节信息在异源图像间的部分缺失与成像差异,匹配优化部分利用较为鲁棒的反映物体空间关系的深度信息。通过双目成像原理,在两张具有视差的图像中计算出参考图像的深度图。再通过聚类分割方法与自动化区间选取,在深度图像上提取出具有相关性的可靠的特征区域。最终在目标区域上进行复合特征配准,完成图像变换关系的求解,即完成异源图像配准。实验结果表明,本文提出的算法无论在主客观评价中都有着较好的表现。这证明本文所提方法能够有效地实现异源图像配准,达到了本课题研究目的。