图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。所谓图像配准是指将来自不同传感器,或者是由同一传感器在不同时刻、不同角度拍摄的同一场景的两幅或多幅图像在空间位置上最佳地融合起来。本文主要对图像配准方法中基于灰度的图像配准方法和基于特征的图像配准方法分别进行了一下研究：(1)图像预处理：分析了自然界图像颜色的可能种类,针对自然界图像颜色种类多,难以实施对比,提出先将真彩色图像进行灰度化,一般有四种灰度化方法,本文采用加权平均值法对彩色图像进行灰度化,该方法得到的灰度图像在视觉上比较接近人的主观感觉。(2)基于灰度的图像配准：分析了传统的空间互相关和相位相关图像配准法,针对上述两种方法只能对存在平移变化的图像进行配准,不能对存在旋转变化的图像进行配准,提出采用Radon变换和相位相关相结合的方法,首先将旋转变化转换成平移变化,然后再利用相位相关进行配准。实验证明该方法具有准确率高,鲁棒性好的特点。分析了用于旋转图像配准的常见方法——对数极坐标变换法,针对该方法存在采样不均匀的问题：一是由于靠近中心处的过采样而造成计算上的浪费,二是因靠近边缘处的欠采样而造成信息的丢失。本文提出一种自适应对数极坐标变换的方法来,该方法实现了图像从笛卡尔坐标系转换到对数极坐标系时的均匀采样。经实验证明,本文提出的方法精确度高,实时性好。(3)基于特征点的图像配准：分析了比较常用的两种特征点提取算子——Harris特征点提取算子和SIFT特征点提取算子,针对Harris算子提取的特征点可能集中在某一个小区域,本文采用最大统计滤波对图像进行非最大抑制的方法来实现角点的均匀分布。实验证明该方法可以获得分布比较均匀的角点。针对特征点的匹配,本文首先采用LTS Hausdorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。