图像配准是数字图像处理领域一个非常重要的分支,它解决同一场景在不同时间、不同角度由相同或者不同的光学设备得到的存在相对旋转、平移及缩放的两幅或者多幅图像的配准问题,目的是匹配图像,将图像间存在的畸变去除,目前,图像配准技术已经在医学、遥感及军事等领域得到了实际应用。目前,基于点特征的图像配准已经成为图像配准技术的研究热点,而特征点提取和匹配是点特征配准的两个关键环节,本文以特征点提取和匹配为主要研究内容,并针对经典算法的不足做了相应的改进,最后用改进的算法实现了图像的拼接。本文的完成的主要研究工作可以分为以下几个方面：1.通过数学表示构建了图像配准的模型,将图像配准从方法和应用两个方面进行了分类,并将图像配准分成四步进行了详细介绍。2.对特征点提取过程做了详细描述。详细介绍了三种经典的特征点提取算子：Harris算子、SIFT算子、SURF算子,分析了三种算子的性能并做了简单比较。鉴于SIFT算子较高的精度和良好的鲁棒性,选取SIFT算子为主要研究内容；SIFT算法的不足是特征描述子为128维,导致占用大量存储空间且运算时间较长,针对算法的不足,本文研究了改进的SIFT算法,改进的算法将特征描述子的维数从128维降低到了48维,同时将特征描述子的描述范围从16×16扩展到了24×24,实验表明改进的算法不仅缩减了占用空间及运算时间,还一定程度的提高了匹配精度。3.介绍了特征点匹配的过程,首先描述了经典Kd树查询法的原理及构建过程,并通过算法的不足引出了BBF查询法,BBF查询法不仅提高了匹配效率而且扩展了应用范围；然后介绍了去除误匹配点的比值提纯法；最后,针对提纯后误匹配点依然较多的图像,本文引入了肯德尔系数约束,该约束能够有效的剔除误匹配点,但是会增加运算时间,应用受到一定的限制。4.将改进的SIFT算法与BBF查询法结合实际应用到两幅图像的拼接中,简单介绍拼接过程中用到的RANSAC算法和线性渐变融合法,最后给出了拼接图像的效果图。本文通过对不同类型图像的配准及最后的图像拼接,证明了基于点特征的图像配准算法具有良好的配准效果,并且在图像拼接及图像超分辨率重建等领域有着较好前景。