传感器技术的进步促进了遥感技术的发展,各种模态的遥感影像数量日益增多。同时,单模态影像因为自身成像波段单一的局限性,越来越难满足日常需求。因此,综合利用多模态遥感影像进行优势互补十分有必要。多模态图像配准技术是综合利用多模态遥感影像的基础,也是目前遥感领域研究的热点。然而,不同的波段有着不同的光谱特性和辐射特性,所以多模态图像间存在显著的非线性强度差异。此外,传感器成像机制导致多模态图像不可避免的受噪声影响,引起图像退化。这些问题使得多模态图像配准中存在以下几个难点:高重复率特征提取、模态不变描述符构建、鲁棒的相似度准则以及高精度的配准效果。本文围绕多模态图像配准中存在的问题,提出了一些解决的方法,内容如下:（1）针对多模态图像上高重复率特征点难以提取和描述符鲁棒性较差这两个问题,本文提出了基于最大定向梯度（Max Orientation Gradient,MOG）的多模态图像配准方法。该方法从各向异性滤波器入手,构建出各向异性尺度空间（Anisotropic Scale Space,ASS）代替SIFT算法中的Do G尺度金字塔,在平滑噪声的同时保留边缘结构信息。在特征描述阶段,提出一种梯度定义方法MOG,能较好的抵抗图像间由局部几何和强度变化引起的畸变,可以捕捉细微的结构变化。基于MOG采用多邻域策略构建鲁棒的描述符,实现多模态图像的稳定配准。（2）基于特征的方法很难满足高精度的配准要求。为了达到高精度配准效果,可以采用基于区域的方法,但是基于区域的方法不能有效的处理图像间的几何畸变。而且,其中的局部描述符或相似度准则的鲁棒性不强,容易受噪声影响。针对上述问题,本文提出了一种基于混合模型的高精度多模态配准方法。预配准阶段采用改进的SIFT算法,大致对齐多模态图像对。在精配准阶段,采用各向异性结构张量来提取结构信息,构建密集描述符,具有较好的模态不变性以及抗噪性。在进行模板匹配时,采用张量方向平行度作为相似度准则能很好的解决多模态图像间存在的强度反转现象。为进一步加强相似度准则的鲁棒性,将张量方向平行度与梯度互信息相结合形成新的相似度准则,实现高精度的多模态图像配准效果。