图像配准在许多计算机视觉任务中起着重要的作用,例如海冰漂移跟踪等研究。但是图像受光照或成像条件等因素的影响,会产生一定的非线性变化灰度差异。例如遥感图像间由于数据来源、极化方式、分辨率等存在较大差异,使得待配准图像具有不同程度的非线性变化灰度差异。甚至于在不同光谱、不同波段的遥感图像中出现局部反色的情况。这种灰度差异往往呈现非线性变化,导致提取的同位置特征不能有效的进行匹配。针对非线性变化灰度差异的图像配准,特征描述符的鲁棒性和特征匹配算法的准确性是影响匹配结果的重要因素。因此,为了解决非线性变化灰度差异的图像配准问题,本文重点将区域特征提取和改进的局部纹理算子结合,提出了CL-LBP特征进行匹配。并通过分类的思想进行误匹配剔除,结合栈式自编码（SAE）设计分类网络,对所有匹配点对进行分类,增强误匹配剔除算法的准确性。本文工作概括如下:首先,本文设计提出了一种适应非线性变化灰度差异图像的CL-LBP特征描述符。利用Hessian-affine提取椭圆区域并归一化成统一的圆形区域,对提取的圆形区域进行子区域划分以增强特征描述子的显著性。在每个子区域结合改进局部纹理算子,通过不同的邻域结构和编码方式,使其能够在一个区域内捕获更多的纹理信息。其次,本文提出了一种基于改进栈式自编码网络的误匹配剔除算法。通过匹配点对的空间邻域信息和特征描述符的相似性构建匹配表示,并设计SAE分类网络结构,构造非线性变化灰度差异训练集,训练分类网络进行错误匹配的剔除。这种分类的思想能保证在错误匹配比例较大时,保证更多的正确匹配点不被剔除,提高了配准的准确性。同时使得较大非线性变化灰度差异的图像对在配准中得到更好的配准效果。最后,为了验证本文提出算法的鲁棒性,在普通光学图像和光学遥感图像的两组非线性变化灰度差异数据集中进行了实验验证。同时与经典的算法进行对比,通过配准点数量和配准正确率等评估标准,证明本文算法在不同灰度差异图像配准中的准确性和有效性。另外,将本文算法应用于具有灰度差异的SAR海冰图像的配准中,并根据实验结果进行分析。