图像配准是对两幅由不同传感器拍摄或在不同外界条件下获取的相似图像进行匹配并叠加的过程,被广泛应用于军事、计算机等多个领域。相比较单源图像的配准,对不同类型传感器采集的图像进行配准可以为研究者提供更全面的信息。合成孔径雷达（SAR）是一种主动式微波遥感系统,不受光照及气候的影响,可以全天时、全天候地获取图像。相比较光学传感器,SAR对一些地物有穿透能力,而光学图像比SAR图像拥有更丰富的光谱信息。光学图像和SAR图像的配准可以结合两者的优点,因此其在计算机视觉、遥感图像处理等多个领域有着重要的意义。然而,光学图像与SAR图像成像机理的区别造成两者之间存在几何与辐射特性的差异,且SAR图像中存在大量斑点噪声,这都给光学图像和SAR图像的配准带来不小的挑战。现有的光学图像和SAR图像配准方法按照基本原理可以划分为两类,一类基于图像强度的变化,另一类基于图像的特征。但这两类算法都各有不足,基于强度的配准方法需要大量的计算量并且无法解决图像之间的变形,基于特征的方法在两类图像之间寻找相同的特征存在困难。因此,现在还没有一种通用算法能够解决所有的光学图像和SAR图像配准问题。本文提出一种基于网格的光学图像与SAR图像点模式倒角配准方法,搭建了一个由粗到精的配准框架。主要贡献包括以下三个方面:（1）基于卷积神经网络提出改进的全局边缘检测网络用于提取光学图像和SAR图像的恒定轮廓边缘特征,克服了斑点噪声及细节边缘的干扰,实现采集时间间隔长、分辨率差异大的图像间的配准。（2）提出网格策略引入点模式倒角匹配,搭建一个由粗到精的匹配框架,弥补快速倒角匹配的缺点并实现匹配点对的筛选与整合,完成主轮廓的匹配且解决轻微的轮廓变形问题,为后续完成图像的非线性对齐打下基础。（3）引入移动直接线性变换取代一个单应性矩阵,对图像进行非线性扭曲对齐,减小光学图像与SAR图像间的视差。最后,本文在五组真实的光学图像和SAR图像数据上进行验证实验,完成了光学图像和SAR图像的配准,实验结果展示了本文提出方法的准确性和鲁棒性。