随着科学技术的迅速发展和新型传感器的不断涌现，人们获取图像数据的能力逐渐提高，所获得的图像信息量不断增加。在利用这些获取的多源图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前，图像配准是关键的步骤。本文针对同时存在缩放、旋转、平移等复杂变换的多源图像配准技术展开研究，以频域傅立叶梅林算法为基础，结合图像的角点特征、边缘特征、结构特征等相关提取算法，分别对同源图像以及异源图像进行配准，并对配准结果进行有效评价。在同源图像配准中，本文采用基于局部区域提取和频域迭代的图像配准算法，有效地利用SURF特征点算法和傅立叶梅林算法的快速性特点，分别对待配准图像间存在的平移、旋转以及缩放参数进行精确估计，配准过程中，采取由粗到精两步迭代的方式，既避免了过大的计算量和对图像特征的需求，又有效的提高了图像配准的精度。针对异源图像配准的问题，本文在深入分析研究基于边缘显著性的异源图像配准相关算法后，提出了一种基于相位一致性提取边缘与频域傅立叶梅林算法相结合的方法。首先利用图像信号在其边缘处的傅立叶分量具有最大的相位一致性的特点对图像进行边缘提取，再利用傅立叶梅林算法进行参数估计，最终获得高精度的配准参数。针对上述方法无法解决带缩放变换参数的异源图像配准问题，本文提出了一种基于图像结构特征与频域傅立叶梅林变换相结合的方法，首先根据图像的局部结构特征，提取出适合用于配准的闭合连通区域，然后再结合傅立叶梅林算法进行参数估计，从而求得配准参数。该方法同样以傅立叶变换为基础，并且采用图像局部结构信息代替图像全部信息，在减少算法计算量的同时缩短计算时间，充分体现了速度上的优势。