受遥感技术的特点及传感器自身特性影响，初始获取的遥感影像存在一些几何畸变，需要经过图像配准的预处理操作才能投入后续使用。图像配准的方法一般分为三大类：基于灰度信息的方法、基于变换域的方法和基于特征的方法，本文采用的是基于特征的方法中的尺度不变特征变换（SIFT）算法。SIFT算法生成的图像特征描述子对光照变化、旋转、尺度缩放保持不变性，对仿射变换、视角变化和噪声等保持一定程度的稳定性，适合用于图像的特征提取。但是，在采用SIFT算法进行遥感图像配准特征点提取的应用中，由于遥感图像的多波段特性和大数据量特性，使得由不同波段组成的遥感图像特征点提取不稳定、SIFT特征提取算法计算量相当大，导致大规模推广应用存在一定困难，本文将针对这两个方面的问题展开研究并提出改进方法。本论文所做的工作主要包含以下内容：1、提出了一种基于多波段遥感影像信息综合应用的特征点提取方法。论文首先通过大量试验的方式，发现不同波段组合的遥感影像在采用SIFT算法进行特征提取时，特征点提取的数量和位置有较大差异。因此，本论文中首先对四种典型波段组合分别提取特征点，然后设计了一种特征点合并去重方法，将四个特征点集合合并为最终的特征点集合，达到提升特征点提取数量和质量的目的。2、提出了一种高斯尺度空间构建的改进方法。本文对SIFT算法在高斯尺度空间构建时采用的图像卷积方法进行了深入分析，发现其中存在大量的重复乘法运算操作。考虑到现在计算机硬件资源比较充裕，本文采用以空间换时间的方式，先计算出原始图像的多个加权图像，然后采用直接读取相加的方式实现卷积操作，这种改进方式中乘法操作的计算量不到原来的四分之一，可大幅提高高斯尺度空间构建的速度。3、采用CUDA技术实现改进SIFT算法的并行加速优化。本文在深入研究SIFT算法原理的基础上，采用CUDA并行计算架构对改进SIFT算法进行了加速优化，将计算耗时的图像处理操作放在GPU上执行，达到提升SIFT算法执行效率的目的。4、实验验证。本文准备了大量不同尺寸、不同区域的实验数据，并针对上述改进SIFT算法设计了相关测试方案，制订了相应评价标准。通过对实验区域数据的测试，证明了改进后算法在特征点提取数量和质量上提升效果明显，且在大尺寸遥感图像的特征点提取的耗时上有大幅度的降低。最后通过实际的遥感图像配准应用来对改进后算法进行检验，得到了不错的配准效果。