图像配准是许多图像处理技术当中的关键步骤,尤其在许多遥感应用中发挥重要作用,例如在遥感图像的融合、分类、目标检测和超分辨率重建等应用中,都需要高精度的配准技术作为支撑。现有的图像配准技术多数针对于可见光图像,对于多模图像配准,现有流行多模图像的配准算法多为基于强度的配准方法,但对于多光谱图像的配准而言,实际应用中大部分基于强度的配准方法存在局限,特别是针对于多光谱遥感图像中可见光图像与近红外光图像的高精度配准的需求,现有方法很难满足这一需求。多光谱图像相较于可见光图像而言,图像内容不仅包含空间维的信息,同时还包括光谱维的信息。如何合理利用多光谱图像的光谱维信息来提高多光谱图像的配准效果,是设计多光谱图像配准算法的核心思想。本文针对上述问题,开展了如下工作:(1)利用多光谱图像中存在的光谱线性混合模型,结合子空间方法,设计小成分相似性测度,对于多光谱图像配准过程中的配准图像中成分变化,进行相应的量化表示。通过计算配准过程中的基于小成分测度的值,利用最小化差异的思想,搜索小成分的最小值来达到确定最佳配准位置的目的。(2)利用提出的小成分配准方法,应用于多光谱遥感图像的配准实验中,并与传统互信息算法进行对比,通过分析配准过程中的相似性曲线,实验结果表明小成分测度对于可见光波段图像与近红外波段图像的配准较归一化互信息(Normalized Mutual Information,NMI)、梯度互信息(Gradient Mutual Information,GMI)性能更佳;通过测试不同场景,分别基于NMI、GMI以及ME测度进行模板匹配分析,结果表明小成分测度的模板匹配在处理自然场景下时较传统的基于NMI和GMI测度有更高的准确率,能够保持较高的准确率;在处理包含明显空间结构特征及复杂地物信息的城市场景时,基于小成分测度的配准表现的性能有所下降,在该类场景下,基于GMI测度的配准方法有更好的表现。最后通过比较各种不同场景下的模板匹配,得出模板尺寸小于31×31像素时,综合配准准确率以及配准的计算效率,ME测度有较大的优势。(3)通过生成理想的多光谱图像进行配准精度测试,实验结果表明,小成分方法配准实是具备亚像素级别的配准精度。通过对生成的多光谱图像中添加不同程度的噪声,得到不同信噪比的多光谱图像,用其来测试小成分方法的配准精度。实验结果表明小成分方法对噪声具有较好的鲁棒性。