红外图像以其具有对热目标识别能力强的优势而得到广泛应用。将红外与可见光图像进行融合，可以实现在场景中对高温物体准确定位，而配准是这一技术的必要前提。因此，研究准确、高效的配准技术具有重要的实际意义。本文研究了可见光、红外等单模态图像配准技术，选用了鲁棒性较好的Speeded-UpRobust Features（SURF）算法提取特征点，然后以欧氏距离最小原则找到匹配点对，再采用改进的Random Sample Consensus（RANSAC）算法去除误匹配点对，最后用最小二乘法得到的仿射矩阵和双线性内插完成图像的配准，且精度达到了亚像素级。对于多模态图像，本文主要研究了红外和可见光图像的配准技术，并从不同的方面做了实验，如采用基于颜色转换模型和基于图像负相的方法来解决这两种图像灰度差异大的问题；由于红外图像的纹理细节特征不如可见光图像的明显，实验采用轮廓波分解的方法来弱化细节信息；针对红外和可见光图像在大尺度上的边缘是大致一致的，提出了基于边缘特征和SURF算法相结合的方法，实验证明该方法达到了多模态图像的精确配准。本文选取了从不同角度拍摄的图片，实验结果表明角度相差越小，配准精度越高。