图像配准是图像处理的一个基础问题,用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。图像配准技术在军事、遥感、医学、计算机视觉等领域得到了广泛应用。目前图像配准技术可分为手工配准和自动配准。当前的自动配准方法可分为四大类:基于灰度、基于变换域、基于特征和基于模板的配准方法。基于灰度配准中的基于互信息的配准方法,其精度一般高于基于分割的方法,而且该方法不需要做特征提取等预处理,所以需要的人机交互少,易于实现自动配准,同时该方法几乎可以用于任何不同模式图像配准,并具有很好的鲁棒性。然而,互信息的计算量较大,效率较低,且易陷入局部极值,针对这两点,本论文先是在传统直方图计算互信息的基础上,提出利用均衡化直方图代替直方图,对局部极值情况起到了较好的抑制作用;然后采取结合基于傅立叶变换的相位相关理论对互信息方法进行改进,对图像先进行一步预配准,以此为基础减少Powell优化迭代范围而又不影响甚至提高图像配准的精度,并且极好地避免了局部极值的出现,达到了对互信息配准算法的优化改进的效果。