图像配准是图像处理中的一个基础性研究,它是许多图像处理具体应用的前提和核心。随着遥感技术的发展和新型传感器的不断涌现,使得遥感图像处理能力受到了前所未有的挑战。为了合理利用从不同传感器、不同成像模式以及不同时间得到的同一区域的图像数据,在进行图像融合、多光谱分类、环境监测和图像镶嵌等处理之前,必须进行图像配准,配准精度将直接影响后续处理过程的应用效果。与此同时,考虑到原始遥感图像通常包含严重的几何变形,同样需要确保遥感图像几何上是相互配准的。由于基于频域配准方法具有运算量小、鲁棒性强等优点,确定本文主要研究频率域的遥感图像配准方法,以解决旋转、缩放、平移变换问题。本文的主要研究内容如下:　　首先,本文研究了当前图像配准的基本理论和方法。综合遥感图像领域传统和最新的配准算法,将其归纳为四类:基于区域的配准,基于特征的配准,基于混合模型的配准以及基于物理模型的配准。同时对四类方法中的典型算法进行了详细探讨,并对它们的优缺点进行了分析总结。通过对比发现基于频域配准方法具有运算量小、鲁棒性强等优点,所以确定本文主要研究频率域内的遥感图像配准算法。　　其次,本文重点研究发生在频率域内的遥感图像配准算法。对傅里叶变换的理论基础及其性质特征进行了较为详尽的探讨。通过分析相位相关法的缺陷性,采用对数极坐标转换的原理,对遥感图像进行基于傅里叶梅林变换的图像配准。　　第三,本文针对傅里叶梅林变换存在高频信息边缘假象和幅度谱混叠的误差,重点探讨了传统FMT配准算法的改进算法。本文改进算法主要是对图像进行加窗和高通滤波处理。特别的是,参考其他文献比较发现,图像进行Bartlett三角窗函数处理,其配准效果最稳定。且对图像频率域内的幅度谱高通滤波处理。大量实验表明,改进后的配准算法适应于平移、旋转和缩放等综合变换以及噪声干扰的遥感图像,具有计算速度快,鲁棒性强等优点。另外,对比分析了其他两种传统配准算法,即SSDA序贯相似性检测算法以及基于SIFT特征点的配准算法,实验表明,处理存在噪声干扰的同等变换的遥感图像,本文改进的傅里叶梅林变换算法同样能够满足较高的鲁棒性,计算速度相对较高。　　最后,分析相关文献得出频率域内进行对数极坐标转换存在插值误差问题。为了减小这种从笛卡尔坐标网格下的傅里叶变换到对数极坐标网格下的傅里叶变换之间的插值误差,本文重点介绍了分数傅里叶变换和准对数极坐标网格,并将它们引入到基于傅里叶梅林变换的配准中来,并提出了一种适应于大尺度变换的遥感图像配准算法。该算法首先利用分数傅里叶变换构建准极坐标网格,然后插值逼近对数极坐标网格。利用相位相关法求解旋转和缩放参数后,通过复原待配准图像求出平移参数。理论证明,基于分数傅里叶变换的遥感图像配准算法能够有效解决这一误差。