图像配准作为当下图像处理中一大热门研究方向,已被广泛地应用于诸如遥感、医学、计算机视觉等领域。其作为图像拼接和融合的前置技术,他的精度直接影响着后续相关领域的处理精度。而在遥感处理领域,由于遥感图像存在的多源、多时态、多视角以及超高分辨率带来的问题,对配准方法的性能又提出了更高的要求。本文主要针对遥感图像的配准算法做了如下研究:(1)本文系统的研究分析了图像配准的在目前发展现状,对其预处理的主要过程如图像增强和几何校正做了相关介绍,以基于特征的匹配方法为例重点分析了其基本流程,对配准算法的相关分类作了介绍。(2)对图像配准方法的三大分类里的四种经典算法及基于互信息、基于FFT、基于Harris和基于SIFT的算法进行深入研究。通过实验,分别验证多种算法在各种条件下的适应能力,总结和分析了其优势和不足。通过实验发现经典算法在面对遥感图像中待配准图像较小或匹配目标较小的情况时,会出现特征点提取数量不足的情况进而导致匹配对点数量不足甚至缺失从而导致无法匹配对的问题。这也为进一步工作指明了方向。(3)针对上述情况所带来的问题,通过实验得出在遥感图像配准时引入一种四方向的Sobel算子,在处理前先利用Sobel算子对参考图像和待配准图像进行锐化处理,凸显其重要的边缘细节,从而增多特征点数目,再利用SURF方法进行图像配准,最后利用RANSAC方法滤除误匹配点。通过实验证明该种算法在对比传统算法和其他结合边缘提取的算法在处理上述情况时,能提取更多分布更为均匀的特征点,从而产生更多的正确配准点。相对于SURF算法来说,其特征点数量平均提升5倍左右,匹配对数数量平均提升3倍左右,有效避免了因为特征点数量过少或分布不均而导致的配准失败现象,进而提升匹配精度,有同时也满足实时性要求。本文通过对经典SURF算法的改进有效的改善了因图像尺寸差异而引起的匹配点不足的问题,提升了算法性能,对于后续的图像处理工作提供了有了保证。