合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动的微波成像雷达,因其具有较强的穿透力、可以不受环境气候的影响不间断的对地进行观测的优点,被广泛的应用于军事与民用领域。SAR图像配准作为SAR图像处理中的一个关键技术,其配准精度的高低直接影响后续SAR图像处理的好坏,如SAR图像变化检测,图像融合,目标检测,目标跟踪与运动分析等操作。所以对SAR配准技术进行深入的研究是具有重要意义的。基于特征的SAR图像配准以其具备较好的鲁棒性,算法复杂度低,适应力强等优点成为近年来SAR图像配准领域的主流研究方向与研究热点,本文的研究内容也主要围绕基于特征的SAR图像配准方法来展开。虽然基于特征的SAR图像配准方法具有较好的配准性能,但其仍存在以下几个问题:(1)特征提取困难,提取出的特征不稳定、不充分,从而导致SAR图像配准的精度不高。(2)特征匹配困难。从参考图像与待配准图像中提取出特征后,如何将特征高效的匹配起来是当前SAR图像配准需要面对的难题之一。(3)如何提高配准精度。在基于特征的SAR图像配准中,无论选取何种特征,都会由于斑点噪声影响和特征提取方法自身的限制导致提取出的特征具有一定的误差与不稳定性,这就使得最终所获得的配准精度不高。针对异源SAR图像配准时特征提取困难,特征点稳定性不足,从而导致异源SAR图像的配准经常精度不够高或配准失败的问题,本文提出了基于稳定的凸角点的异源SAR图像配准方法。该方法从区域特征入手,提出了一种新的区域提取算法——局部稳定极值区域(Local Stable Extremal Region,LSER)。采用以当前区域均值的一定比例的变化来驱动算法进程,可以有效的检测出SAR图像中的极值区域,并提出了一种吸收操作,通过对提取出来的极值区域进行椭圆拟合,对相邻极值区域进行区域合并,从而获得更稳定的极值区域。本文所提出的稳定的凸角点是从已经提取出的强散射区域中提取,首先对强散射区域采用Graham算法进行最小凸多边形拟合,从而可以有效的凸出区域的凸角点。进一步对拟合后的凸多边形进行归一化,从而可以有效的剔除尺度与旋转效应。由于归一化后的稳定凸多边形已经都旋转到相近的角度和尺度,所以从其中提取的角点具有较高的稳定性。传统的SAR图像配准方法提取特征较为单一,提供的特征数量往往不够实现精确的配准。在特征点匹配时,传统的基于局部特征描述的匹配方法匹配程度较低,会产生大量的错配点与误配点。针对上述问题,本文提出了基于混合特征点与多特征约束匹配的SAR图像配准方法。本文提出的混合特征点提取方法,由稳定的凸角点特征与稳定的局部极值点特征组合成具有优良互补性的混合特征点。利用匹配的稳定凸角点对获得相应的转换矩阵,转换待配准图像,在SIFT框架下,采用非线性扩散滤波替代传统的高斯滤波构建多尺度,从而获得稳定的局部极值点。在特征匹配阶段提出了一种多特征约束的特征匹配方法。分别通过区域约束、形状约束、网络约束以及空间关系约束在不同阶段对SAR图像进行由粗到细的多特征约束匹配,从而实现精确的配准。针对SAR图像精配准困难,提取出的特征不够稳定所导致配准精度较低的问题。本文提出了基于特征引导的粒子滤波SAR图像配准方法。通过三个阶段对SAR图像进行由粗到精的配准。在初期配准阶段采用区域特征及其空间关系特征,获得粗略的转换矩阵。由此,便可在粗配准阶段的初始化粒子滤波时将状态空间设置在一个较小的范围内,从而大大降低计算量,避免算法配准失败或过早的陷入局部最优。在粗配准阶段,通过强弱散射区域的互斥特征剔除会产生误配的粒子,进一步的通过匹配特征点的引导使粒子滤波获得更精确的转换矩阵,从而在下一阶段可在更小的范围内搜寻最优转换参数。在精配准阶段,以互信息为量测值,驱动粒子滤波算法,并采用模拟退火方法使粒子滤波更快的达到全局最优,从而获得更高精度的SAR图像配准结果。