海底图像配准对于深海资源的勘探和研究具有重要的意义,是近年来的研究热点和重点。海底图像特征点配准的主要步骤为:特征点提取,描述特征点和匹配特征点。但由于海底图像受到水中悬浮颗粒的散射以及人造光源的影响,导致深海海底图像质量下降严重,且海底地貌纹理集中于某一区域,相似纹理居多,得到精度高且分布均匀的特征点匹配对成为当下研究的难点。幸运的是,机器人配置导航系统,导航系统拍摄图像的同时记录地理位置坐标,利用地理位置坐标信息可以估计图像间的位置变化情况。因此,本文针对机器人导航拍摄的深海海底图像,利用导航信息作为先验信息,对提高特征点匹配精度和特征点分布均匀化做了相关的研究。具体工作如下:（1）针对机器人导航拍摄的序列和非序列海底图像特征点匹配精度不高的问题,本文主要从特征点提取和特征点匹配两个方面对特征点匹配的精度进行了提高。对于特征点的描述:传统算法采用直方统计图的方法计算主方向,该方法得到的主方向误差大,影响特征点描述的精度。针对此类问题,本文利用导航信息估计序列和非序列图像间的旋转角度,以旋转角度作为主方向,使主方向更为准确,从而提高特征点描述的辨识能力,最终达到了提高特征点匹配的正确率的目的。对于特征点的匹配:随机抽样一致性算法的主要思想是通过估计模型参数的方法剔除掉错误的匹配点对。该算法对数据集中正确匹配点对所占比例有很大的依赖性,错误点占比大的数据集,RANSAC算法求取的单应性矩阵精度不高。针对此类问题,本文优先选取原始数据集中相似性排名前85%的特征点对组成新的数据集,然后,利用新的数据集求取单应性矩阵。实验结果表明,本文算法有效的解决了计算主方向精确度不高的问题,提高了描述子的辨识能力,从而提高了特征点匹配的正确率,在此基础上,通过优化的RANSAC算法进一步的提高了特征点匹配对的正确率和增加了特征点对的数量。（2）针对机器人导航拍摄的序列深海海底图像提取特征点分布不均匀的问题,本文算法以划分网格提取特征点和基于四叉树筛选优质特征点的思想实现特征点分布均匀化。同时,为减少相似纹理对特征点匹配的影响,利用机器人拍摄序列图像的特性,根据导航信息作为先验信息,缩小特征点匹配的搜索空间,以局部区域匹配代替全局匹配,提高特征点匹配的精度。从实验结果可以得出,本文算法有效解决了特征点分布不均匀的问题,并且在特征点均匀化的基础上,采用基于导航信息的匹配算法减少了相似纹理对特征点匹配的影响,最后得到分布均匀且正确率高的匹配特征点对,提高了单应性矩阵的精度。（3）开发了一款交互式的图像配准系统。该系统的主要模块为,读取图像模块、特征点的匹配模块、剔除外点模块以及内点的保存模块。特征点的匹配模块提供多种经典的特征点匹配算法以及本文提出的匹配算法,剔除外点模块提供本文提出的优化的RANSAC算法,提供相似变换模型计算单应性矩阵。经过实验表明,该系统具有很高的可靠性和实用性。