图像配准技术是将不同时间、不同传感器或不同视角下获取的同一场景的两幅或多幅图像进行匹配的图像处理过程,是图像处理的一个基本问题。图像配准的方法大致可以分为两类:基于灰度的图像配准方法和基于特征的图像配准方法。本文总结了前人在图像配准领域的研究现状和成果,详细的介绍了图像配准的流程和这两种分类,并且提出了自己的算法。在研究基于灰度的图像配准中,重点研究了基于互信息的医学图像配准技术,基于互信息的全局图像配准方法具有自动化程度高,配准精度高等优点,在医学图像配准中获得了广泛的应用,但是,当平移距离为像素的整数倍时,插值算法会使目标函数产生局部极值,使得最优化搜索有时会终止于局部极值,得到错误的配准参数。本文提出了一种新的插值算法用于克服局部极值问题,同时,给出了一些用于改进精度的方法,如:Powell搜索算法、灰度级的选择、出界点问题,提高了匹配精度。经实验证明,本文提出的方法有效地抑制了局部极值,具有更好的精确性和稳定性。在研究基于特征的图像配准方法时,本文提出了将单演相位(monogenic phase)的概念用于红外图像特征点的匹配,完成了红外图像的配准。用Harris角点检测算法提取特征点,然后以单演信号元素构成相关矩阵,提取出初始特征点对,再用基于Sampson距离的随机抽样一致性算法(RANSAC)去除伪匹配的特征点对,选择内点集估计对极几何的基础矩阵,实现图像的精确配准。实验验证,单演相位的应用高效稳定地完成了红外图像的配准。最后对本文的工作进行了总结,并对本文在图像配准领域仍需要深入研究的地方进行了展望。