近年来,随着多波段传感器成像技术的不断发展,多光谱图像已经在军事、航天、医疗等领域发挥着越来越广泛的应用。不同光谱获取的同一场景下的图像具有互补的信息,将这些互补的信息融合在一起得到充分的利用需要对图像进行精确的图像融合。而图像配准技术直接决定了图像融合的准确与否,是图像融合中的一个关键技术,它是将不同传感器,不同时间,不同视角下获取的同一场景下的图像通过一定的空间变换关系转换到同一坐标系下。当前主流的图像配准方法是先从图像中检测特征点,然后构建描述特征点邻域信息的局部特征描述符,具有更好的鲁棒性,在单光谱图像上已经取得了较好的成果。然而,由于多光谱的成像机制差异较大,不同光谱下的同一场景也具有较大的差异,单一的局部特征在多光谱图像配准上的性能显著下降。鉴于此,本文力求在现有技术的基础上提高配准的精度。然而,配准精度的提高通常会带来计算复杂度的增加,如何降低配准所需要的时间也是一个重要的问题。针对多光谱图像下的EOH (Edge Oriented Histogram)描述符性能不足并且不能很好解决图像旋转变化的问题,本文为每一个描述符定义一个主方向,使其对图像的旋转也具有一定的适应性。针对在多光谱图像中仅使用局部特征构建描述符的效果较差,本文在对特征点匹配的过程中利用图像中的边缘点构建全局特征,并以全局特征衡量特征点匹配对的质量。然而全局特征的引入同时会带来计算复杂度的增加。为了提高算法的速度,本文提出一种由粗到精的配准方法,将配准过程分为多步,每一步选取正确率较高的匹配对集进行评估。实验证明,构造的全局特征相较于其它方法能有效地提高图像配准的精度,而本文在全局特征的基础上,提出的由粗到精的配准方法在配准过程中正确匹配对的数目是全局特征的两倍,而正确率也提高了 2-4个百分点,同时全局特征带来的计算复杂度有了明显的降低。