图像配准是指运用数学理论和计算机技术将具有相同目标区域的多幅图像进行几何对齐的过程。作为图像处理的基础问题,其应用范围甚为广泛。例如,在医学上,对多幅不同模态下的颅脑图像配准,可更加准确的对脑部疾病做出评估,为后续治疗方案的制订提供强有力的数据支撑;在遥感领域,多时相遥感图像配准可直接反映被检测区域的环境变化,异源遥感图像配准可充分弥补不同传感器的成像劣势,提供更加丰富的场景信息;在机器视觉中,无人机视觉定位与导航系统作为重要的无人机定位方式,可直接影响无人机的自主决策能力,高精度、高鲁棒的图像配准可直接推动无人机的智能化进程。本文针对异源遥感图像在配准过程中存在的问题,研究和探讨了基于特征的图像配准算法,并分析了图像配准算法在无人机视觉定位系统上的应用问题,主要工作如下:（1）针对多模态遥感图像间存在的非线性灰度差异问题,分析了图像边界（或轮廓）特征的优势,利用图像边界特征对非线性灰度差异不敏感这一特点,提出了一种新的基于边界特征的图像配准算法。在构建边界特征描述子的过程中,考虑了遥感图像间存在的仿射形变现象,使所提出的边界描述子具有仿射不变性。利用特征匹配完成仿射变换模型参数的计算,进而完成多模态遥感图像配准任务。（2）分析了图像配准算法应用在无人机定位系统上所存在的问题,提出了一种两阶段无人机定位方法。首先利用形状匹配算法快速筛选出候选地标,其次利用候选地标的场景图像与无人机事先存储的模板图像进行配准,进一步判断其候选地标的正确性,进而为无人机的下一步决策提供可靠依据。