图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两幅图像或者多幅图像进行匹配的过程,该技术被广泛地应用在遥感图像、医学图像、三维重构等诸多领域中;同时图像配准技术也是计算机视觉中最困难最重要的任务之一.截至目前为止,图像配准方法通常分为三类:基于像素的配准方法、基于特征的配准方法、基于模型的方法。虽然数字图像配准技术的算法很多,但目前还没有哪一种算法能够适用于所有的图像。我们往往需要根据具体的情况,对于不同的图像在处理过程中尽量找到一种在算法精度、速度、鲁棒性上平衡的方法,开发出适合图像特点的算法。本文主要关注的是图像存在较大旋转角度时的特征点提取精度问题及点匹配阶段的鲁棒性问题,并提出了基于条件数和Zernike矩相结合的图像配准方法;在应用部分,主要关注的是小波变换的融合方法,并对其做了改进,改进后的算法不仅在一般图像融合中有不错的效果,在多聚焦图像融合中也有较好的效果。本文的具体工作如下:1.阐述了图像配准的定义、理论、方法、流程,分析点特征配准中的关键步骤对配准结果的影响,归纳了当前的主要配准方法。介绍了图像特征的提取方法,并介绍了点特征提取的方面的常用方法,分析了各自的优缺点。重点介绍了Harris角点提取理论,并在此基础上引入基于圆形邻域的条件去掉部分伪角点,提高了特征匹配阶段的精度性和运行效率。2.介绍了点匹配算法的研究现状,介绍了几种常用区域特征描述子,重点介绍了Zernike矩,在提取出角点的基础上引入改进后的Zernike矩做为本文特征匹配的描述子,最后用RANSAC确定变换模型,完成配准工作。3.在应用部分,介绍了图像融合基础理论,并介绍了各种融合方法及各自的优缺点;重点研究了小波变换在融合中的应用,提出了空域与小波变换结合的融合的方法;最后分别用本文配准后的图像和多聚焦图像做了实验。最后对本文工作进行了总结,并在本文在图像配准领域仍需进一步深入研究的地方进行了展望。