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:基于像素的图像配准方法和基于特征的图像配准方法。本文详细论述了这两种常用方法的特点及应用领域,并将基于特征的图像配准方法作为本文的研究重点。基于特征的图像配准方法是目前图像配准最常用的方法之一,其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征(特征点、特征曲线等)的分析,从而大大减小了图像处理过程的运算量。而特征提取的准确程度和定位的精确程度将对整个配准过程产生很大的影响。本文通过对现有的特征提取方法进行分析,重点研究了点特征的常用提取方法,提出了基于角点特征(Harris角点检测)的特征提取方法。在准确及快速地提取图像特征点的基础上,正确地选择特征匹配准则同样影响着图像配准的效果。在对常用的特征匹配准则进行研究分析时发现,常用的特征匹配准则由于选择区域一般不满足旋转不变性,很大程度上影响了特征点匹配的正确性。为此,本文提出了一种基于圆形区域和Harris角点检测的图像配准算法,利用圆形区域特有的旋转不变性,结合交互信息量最大法则,完成图像配准。仿真结果表明该方法在保持配准精度的同时,能够稳定并快速地实现具有平移和旋转的图像的配准问题。最后,本文讨论了图像配准的一个重要应用领域―场景拼接。基于本文提出的图像配准方法,提出了一种区域性的图像融合方法,并通过实验仿真完成整个场景拼接的全过程。通过实验证明,本文提出的方法满足图像处理过程的实时性和准确性,并且很好地解决了场景拼接过程中常见的“拼缝”现象。