图像配准是遥感图像处理的重要内容之一,也是遥感图像后期处理工作的前提,其广泛应用于遥感数据分析,遥感图像变化检测,遥感影像融合等领域。特征角点提取是图像自动配准中最关键的步骤,所以本文主要针对特征角点提取方法和遥感图像自动配准方法开展研究,提出了相应的改进算法。针对原始Harris角点检测算法需要人为设置角点响应函数R的系数k值和筛选角点时非极大值抑制的阈值,以及角点定位不够准确,运行时间较长等问题,本文提出一种改进的角点检测算法。主要思想是:首先,采用像素自相关矩阵行列式的绝对值代替经典Harris算法的角点响应函数,以此避免人工设置k值;其次,对图像做分块处理从而避免通过全图设置阈值所造成误差,同时解决易生成伪角点点簇以及角点分布不均的问题;然后,针对图像分块处理后产生的块效应,结合改进的FAST角点检测算法来删除伪角点;最后,使用非极大值抑制方法来防止伪角点聚集并确定最终的角点。进行4组实验对比及实验结果数据分析可以得出如下结论,本算法提取的角点不仅准确率提高而且定位精确,运行时间等方面也表现出较好的性能。此外,本算法对于不同类型的图像都显示出较好的适应性,并为后续遥感影像控制点配准提供了良好的特征点检测方法。一方面针对传统以影像灰度为基础的配准算法中存在的运算量大,配准精度较低等不足,本文进行了如下改进:首先采用动态模板,进行不等距搜索,以取代传统的逐行逐列逐像元的搜索方式,先粗后精,加快收敛;其次,选用圆形滑动模板,来去除不同影像的角度差异的影响;最后,通过最大相关系数双阈值以及等角变换进行控制点匹配判别。另一方面针对以特征为基础的配准算法提出基于角点特征的SIFT配准算法。对于两种算法的改进本文均给出了具体的流程步骤,并用互相关实验进行了分析比较,结果表明,新的算法无论在运算效率上还是识别精度上,都有较明显的优势。