图像配准是数字图像处理中的一个重要研究方向，也是计算机视觉和模式识别领域中的一项重要研究课题，图像配准已经在军事、航天、模式识别、遥感监测、医学图像处理等方面得到了广泛应用。简单的说，图像配准是指对同一场景使用相同或不同的传感器(成像条件)，在不同条件下(时间、天气、光照度、摄影位置和角度等)获得的两幅或多幅图像进行广义匹配、处理的过程。在遥感领域，实现图像融合、变化检测、图像校正、图像镶嵌等应用中，图像配准都是必不可少的一个关键步骤。由于遥感信息量大，应用范围广，因此实现自动配准一直是人们追求的目标。　　 图像特征的提取和匹配是实现图像自动配准的一种重要方法。SIFT特征(SealeInvariant Feature Transform尺度不变特性变换)最初是作为一种关键点特征提出来的，这种特征对图像的尺度和旋转保持不变，对光照变化和图像变形具有较强的适应性，同时，这种特征还具有较强的综合识别能力，有利于后续匹配。正是借助于这些特点，使得在传统图像配准中许多难以解决的共性问题得到了很大程度的改善。因此SIFT特征在遥感领域，实现图像融合、变化检测、图像校正、图像镶嵌等领域有着广泛的应用。如今对SIFT特征的研究己成为图像配准领域中一个热门研究方向。　　 本文首先介绍图像配准技术的研究意义、主要内容和图像配准技术的一个重要环节——图像预处理。对图像配准概念、原理以及常见配准方法、配准模型进行分析，并对配准方法和图像亚象素级配准技术进行了总结。着重讨论图像配准技术在遥感领域中的应用，具体分析比较几种遥感图像的典型配准算法，归纳总结遥感领域中图像配准算法的特点，讨论图像配准技术在遥感领域中的发展趋势，为遥感影像配准算法选取提供了有价值的参考依据。然后重点描述一种基于图像特征的配准方法(SIFT特征算法)。包括SIFT特征算法的发展历史，算法特点，主要思想和实现步骤，最后针对多源遥感影像的成像特点，介绍一种具体的特征配准方法。并利用不同的遥感影像数据进行试验，实验结果表明，SIFT特征向量具有旋转、缩放、平移不变性的特点，把SIFT特征用在遥感图像配准方面取得了很好的效果。