遥感图像配准是遥感图像处理的基本步骤。一般情况下，涉及到两幅或多幅图像的遥感图像处理工作，都要建立在配准基础之上，如遥感图像融合、变化检测等。遥感图像配准的精度直接影响后续图像处理的精度，因此，高精度的遥感图像配准是诸多遥感图像应用的基石。　　大部分在轨运行的对地观测光学卫星，同时提供全色图像和多光谱图像。多光谱图像具有较为丰富的光谱信息，但其空间细节表达能力较差;全色图像具有较高的空间分辨率，但其所包含的光谱信息十分有限。如果将全色和多光谱图像融合，得到既保持光谱分辨率又保持空间细节表现力的高空间分辨率多光谱图像，将更符合人类视觉特点。对土地利用分类、城市规划以及提高视觉解译等应用有重大意义。　　本文主要研究目的，是解决同一卫星的全色和多光谱遥感图像配准问题，提高上述遥感图像的配准精度，为后续遥感图像处理提供高质量的源数据。同一卫星的全色与多光谱图像由于拍摄时间不同、传感器视角有差异等原因，存在复杂的非刚性变形。采用常用的遥感图像配准方法，如目前常用的商业遥感图像处理软件，进行配准，很难得到高精度的配准结果。本文在大量的分析调研基础上，根据全色和多光谱遥感图像的成像时间差小、同名地物无显著变化等特点，创新性地提出，将计算机视觉中的光流场方法应用于全色和多光谱遥感图像配准。　　文章首先详细论述了基于光流场方法的全色和多光谱遥感图像配准的理论基础。总结了光流场方法配准的流程，并针对流程中的每一部分进行合理的优化，如采用迭代的方法解决多光谱图像模拟仿真全色图像的问题。　　为了提高精度和鲁棒性，在光流场算法的基础上，提出了适应于全色和多光谱遥感图像配准的算法改进。这些改进包括:基于DEM的光流场模型改进、基于控制点的光流场模型改进、基于掩版的光流场模型改进等。对上述的改进算法，给予了详细的理论阐述和充分的实验论证。　　本文以THEOS卫星、资源三号卫星和高分一号卫星为主要实验数据，以ENVI遥感软件配准结果作为对比实验。实验表明，本文的配准方法能够取得相对于传统的遥感软件更高精度和鲁棒性的结果。