图像配准作为计算机视觉和模式识别领域中的一项重要课题,在计算机视觉、遥感图像处理、医学图像分析等领域有着广泛的应用,是图像融合、目标变化检测特别是图像数据层融合技术中需要先期解决的问题。不同传感器、不同成像模式和不同时间得到的同一个对象的图像数据之间存在相对的平移、旋转、不同比例缩放等关系,对其进行综合分析和利用时,首先解决图像间的配准问题。图像配准的过程,即通过寻找一种合理的空间变换,使两幅图像中同一目标物的对应点达到空间位置的一致,配准的结果应该使两幅图像上的所有点或至少是具有实际应用意义的点都达到匹配。目前图像配准技术可分为手工配准和自动配准。自动配准是在配准过程中不需要人工干预的一种配准技术,它也是图像配准技术的最终发展目标。本文主要对图像的自动配准技术进行了研究。目前的自动配准方法可分为两大类:基于区域的和基于特征的配准方法。其中对基于特征的图像配准方法的研究是本文的重点,本文主要完成的工作和贡献为:1.研究了基于特征的配准方法的概念、原理及常见方法,针对光学遥感图像,提出了一种基于区域特征的图像配准算法,以小面元和链码两种区域特征作为匹配特征,克服了传统的基于链码的配准算法的缺点,提高了算法效率和配准精度。2.基于点特征的图像配准中,特征点的提取和匹配策略是关键步骤。本文研究了几种特征点提取算子,包括Harris算子、SUSAN算子,还引入目前最新的SIFT局部特征,通过这三种算法对特征点的检测效率、旋转不变性、尺度不变性和抗噪性能进行比较,给出了分析的结论。总结了目前主要的几种基于特征点的匹配策略,包括互相关、虚拟三角形、匹配点支持强度、RANSAC策略等,从匹配算法的匹配条件、稳定性、复杂度等,分析每种匹配策略的优势和缺点。3.根据以上的分析结果,提出了三种分别基于Harris角点、基于SUSAN角点、基于SIFT特征点的图像自动配准算法。这三种配准算法无论对遥感图像还是视频图像都具有很好的适用效果,同时各自有自己侧重的应用场合。实验结果证明这三种算法的有效性。4.完成了一种手动的图像配准方法。手动配准的优点是无论同源图像、SAR图像、异源图像配准都可以适用,但是手动配准的缺点是要手动选取控制点,对于大图配准和批处理的时候,人工选择控制点难以应付。