图像配准技术是指对不同视角、不同时间或不同传感方式下获得的同一场景的两幅或多幅图像求取其之间的映射关系,并以此进行图像间匹配的过程,是图像处理理论中的经典问题,在计算机视觉、模式识别及医学图像处理等领域均有着广泛的应用,图像配准方法分为基于灰度的配准方法和基于特征的配准方法两类,本文着重研究了基于特征的图像配准方法。基于特征的图像配准方法,是将两幅图像的全局配准问题转化为两幅图像中的特征点配准问题来处理,以便降低算法的时间复杂度,这种思想就决定了在该方法中提取和匹配两幅图像中的特征点是尤为关键的步骤,因为特征点的错误匹配将直接影响配准结果的准确性,虽然目前有几种特征点匹配算法大幅提高了图像特征的正确匹配率,但这些算法均以图像的空间不变性为前提假设,通常只能应用于模板匹配和模式识别领域,在图像配准问题上并不适用。因此,本文在总结前人研究成果的基础上,提出了一种基于hough变换的图像配准方法,该方法延用传统的互相关匹配算法,最大程度上保证具有任意变换关系的图像之间特征点匹配的正确率,并在后期寻求变换参数时通过hough变换有效地淘汰错误匹配点对导致的计算误差。文章首先讨论引入hough变换来提高配准结果准确性的内在原因,然后论证其对于错误匹配点对的强鲁棒性,最后给出详细的算法实现方式和实验结果,以及实验中能够说明问题的所有中间数据,充分验证了该算法的有效性。