图像配准是对不同时间、不同视角或不同条件下(气候、亮度、摄像位置和角度等)获取的两幅图像进行匹配和叠加的过程。图像配准技术在遥感图像处理、模式识别、医学图像分析等领域有着广泛的应用。SAR图像是合成孔径雷达采集到的图像,可见光图像是传统成像设备采集到的图像,成像原理不同,两者纹理结构区别很大,因此,如何在同一个坐标系下处理这种不同类型的图像数据以及成像机制本身所造成的各种畸变,成为了SAR图像与可见光图像配准的难点和重点。本文的主要工作有：(1)分析图像匹配的基本原理,对图像匹配问题进行数学描述和归纳,提出构成匹配算法的四个要素；通过比较SAR图像和可见光图像的特性,总结两者之间的匹配特点；对SAR图像进行滤波,比较几种滤波算法,选择效果最好的滤波算法,为后面算法的实现做准备。(2)研究基于SIFT特征和SURF特征的匹配算法,SIFT特征是描述和提取图像中的局部特征点,与图像的尺度和旋转角度无关,具有很强的鲁棒性。由于SIFT特征提取的过程复杂并且速度慢,本文还研究了基于SURF特征的匹配算法,它提取的特征点比SIFT特征少,但速度更快,实时性更好。本文将SIFT特征和SURF特征的实验结果进行对比,比较两种特征提取方法的优劣。最后利用SURF特征匹配算法完成图像镶嵌。(3)提出了两种以距离作为相似度量准则的匹配算法,马氏距离和Harris角点结合成的匹配算法,LTS-Hausdorff距离与遗传算法结合成的匹配算法。匹配算法的特征空问是Harris角点,变换空间是仿射变换,搜索策略是最小邻域法,相似度量准则是马氏距离。介绍遗传算法的基础理论,阐述遗传算法的模型和构成因素,以图像边缘为特征空间,对图像进行边缘二值化处理,以遗传算法作为搜索策略,转化为求解全局最优解,实验结果证明了该算法的有效性。