图像配准是计算机视觉领域研究的重要问题之一，是立体视觉、运动分析、数据融合等实用技术的基础。所谓图像配准，是寻求两幅图像间一对一映射的过程，就是说把两幅图像中对应空间同一位置上的点进行联系。为了达到理想的配准结果，很重要的一个因素在于我们是否使用了合适的变换模型。在图像配准的研究领域，研究重点主要集中于单纯的空域配准，即对图像函数的空域坐标进行配准。典型的配准方法常以假定图像间空域坐标存在特定的几何关系为前提，例如：平移、仿射、透视关系等。在涉及到光流场计算或者镜头扭曲的问题时，所要假定的几何关系更为复杂。近年来，光图像的亮度配准理论逐步发展，即研究如何对图像函数的像素值进行配准，目的是从若干幅不同曝光强度下的图像中构建出高清晰度图像。对图像进行空域和亮度域的联合配准，以解决不同光照变化下的全景图的配准问题，是目前研究领域较为前沿的课题。本文基于Sman教授提出的基本理论——亮度响应模型，结合图像的空域和亮度域进行联合分析，做了以下几个方面的研究工作：①提出了一种基于仿透视函数模型和亮度响应模型共同作用下的图像配准算法，对不同曝光度下的图像进行图像配准。②进一步分析了分段线性拟合理论，对其亮度域配准的细节部分进行了改进。对于普通相机所拍摄的不同曝光度下的图像，我们应用其获取HDR(High Dynamic Range高动态范围)图像，其中关键的步骤是正确标定亮度响应函数。本文讨论了亮度响应模型在全景图配准中的应用，提出了一种改进的曝光差异图像的配准算法。与其他传统的配准算法相比，本算法充分体现了分段线性拟合的思想，对图像的亮度域和空域进行联合的分析，改善了图像配准过程中出现的亮度连贯性问题。算法应用最小二乘法求解联合参数模型的初始值，可以较为精确的提供迭代优化的初始值，提高了迭代速度。RANSAC算子和LM迭代算法保证了图像配准的稳健度和精度。实验表明，本文算法对使用普通相机拍摄的亮度差异图像均可正确地配准。在接下来的章节中，进一步分析了分段线性拟合理论，对其亮度域配准的细节部分进行了改进。所阐述的内容弥补了图像因曝光过度或曝光不足而导致配准失败的缺陷；降低了分段数量对配准过程的差错影响；能够得到更为精确的分段线性近似和曝光估计。提出算法的改进之处主要体现为更为严格和细节上的亮度响应函数的斜率约束和节点位置的规范选择。