图像配准是图像处理的基本任务,即将同一场景的两幅或多幅图像进行配准以保证图像对在一个公共空间轴上对齐,其图像可以是多视角(从不同视点获取)、多时间点(在不同时间拍摄)和多来源(从不同传感器获取)。成功的图像配准是许多遥感应用的前提,如自然灾害损害评估、资源普查、环境监测、地面目标识别和地图更新等。然而,在图像捕获过程中经常出现缩放、几何失真、重叠率低等问题,这导致图像配准中针对点集的配准越来越困难。因此,本文先提出了基于迭代的图像配准算法来解决上述在图像捕获过程中的配准问题,名为基于动态阈值计算策略和多特征距离融合的遥感图像配准方法。首先,使用动态阈值计算策略逐步筛选可靠的特征点,以减少冗余点在配准中带来的负面影响。然后使用多特征距离融合高斯混合模型来弥补只有单个特征存在高斯模型中的不足,并将动态阈值的结果作为一种先验与确定性退火算法思想结合,实现图像对从局部到全局的最优映射。在全局结构约束中加入基于局部受力的结构约束,可以更精准地控制特征点在重叠区域的对齐,从而指导后续的图像变换。其次为了进一步提升算法的精度和效率,本文提出了基于非迭代框架下的一种鲁棒的双层互惠流水线管道和上下文感知差异性度量图像配准方法。本文首先建立两层管道来寻找最优对应关系,并实现图像变换。在第一层,利用点集的邻域结构来寻找并配准可靠的特征点集。在第二层,创建了点对点的邻域结构来恢复剩余潜在的内点集以实现图像配准。在此基础上,在两层管道中加入了具有尺度、平移和旋转不变性的上下文感知的差异性度量方法,以对特征点的差异进行更准确的评估。针对两种不同框架下的方法,迭代的图像配准算法中分别设计了特征匹配和图像配准实验,与九种最先进的方法加以比较,结果显示本文的算法在大多数情况下胜过其他算法。而非迭代的图像配准算法中除了设计特征匹配和图像配准实验,还加入了图像检索实验,与最先进的十二种方法对比,特别是当内点比率低于0.5时我们的方法仍然实现了最佳的精度和效率的平衡。