图像配准是数字图像处理的关键技术之一。在高度信息化的今天，图像配准技术已被应用于图像处理的各个领域中，如遥感，医学，计算机视觉等。通过对不同视点不同传感器在同一场景中的成像进行融合，从而得到更全面的信息。图像配准是实现图像融合的基础，是图像融合第一步要解决的问题。
　　 图像配准是指将不同成像环境（光线，视点，时间，传感器等）下的同一场景的两幅或多幅图像进行几何关系的配准。通过对其进行平移、旋转、缩放等变形，使待配准图像与参考图像保持几何一致性。
　　 本文研究了基于特征的图像配准方法，目的是解决存在复杂空间变换之间的快速、精准的图像配准问题。主要研究的内容包括以下几个方面:
　　 1.通过大量的实验研究，本文对图像一般配准过程进行阐述，并在这部分对各个步骤进行了分析和解释，尤其是几何变换和插值最为详细。
　　 2.对多种检测算法进行实验，并分析其主要的性能。主要改善了Harris算子，将多尺度空间和模糊系数引入到该算法中。在针对比较大的图像，对其进行分块处理，使用局部阈值，实验证明该方法明显改善了大图像特征点明显分布不均的问题。
　　 3.介绍了几种常用的相似性测度方法以及各自的计算方法和适用范围。
　　 4.对原有算法进行改善实现图像匹配。实验表明，与传统的方法相比，新的配准方法的匹配效果有明显的改善。
　　 对图像配准中各个步骤做了全面的分析和研究。对多种角点检测方法进行了实验和性能分析，改善了原有配准方法。该匹配方法，通过使用最近邻与次近邻距离的双向匹配来实现初始配准。然后利用随机抽样一致的方法对其进行优化并采用邻域灰度信息来进行一致性检测。最后用MATLAB软件，在计算机上验证了该算法。
　　 本文仍存在不足的地方，例如其所使用的图像均为数码相机采集的图像，没有使用医用图像、遥感图像等传感器的图像。对于多源传感器图像应用有一定的局限性。