人们为了获取图像中更丰富的信息,会使用同一传感器在不同时刻拍摄目标,或者使用不同的传感器来拍摄目标,因此得到的图像会在位置、角度等方面存在差异,甚至经常出现畸变。而这种差异和畸变会对图像拼接、图像融合、图像变化检测等产生极大干扰。为了解决这个难题,就要运用图像配准技术。同时为了知道图像配准结果的优劣,就需要有客观全面的评价指标对其进行评价。合成孔径雷达(SAR)由于是主动成像,不会受到植被遮掩、地形起伏等因素影响,能够提供与时间、天气等无关的高分辨率二维图像,被广泛应用于各种对地观测中。所以SAR图像配准具有重要的理论和实际意义。同时,对客观全面的评价指标的探索也同样具有重要的理论和实际意义。本文在对SAR图像配准算法及配准结果评价指标的学习及研究基础之上,完成的具体工作如下:1.对SIFT算法中的尺度特征部分进行了改进。根据SAR图像的成像特点,将SIFT算法中图像金字塔的组数和每组的层数进行了缩减,去除了相干斑噪声影响较大的组以及被高斯函数模糊较多的组;同时对每组相邻层之间的尺度比值进行了改造,以保证图像金字塔尺度的连续性和特征点提取结果的稳定性。经过改进之后的SIFT算法,匹配点对的数目基本与SIFT算法相当,运行时间上则有了大幅下降,且得到的匹配点对错误率有了较大的下降。2.提出了一种剔除错误匹配点对的方法。该方法中,以进行判断的特征点为中心,设置了两个邻域,分别称作“近邻域”和“远邻域”;统计两个邻域中所包含的匹配点对数目,如果匹配点对数目达到了阈值,则认为正在进行判断的特征点匹配正确并保留,否则认为特征点匹配错误并删除。采用剔除错误匹配点对的方法,能够去除所有错误匹配点对的SAR图像占测试图像的96%以上,且能够保留绝大多数正确的匹配点对,与对比算法相比,有明显的优势。3.提出了一种新的图像配准的综合性评价指标。新提出的评价指标对匹配点对的误差进行分类,这样能够消除因统计方法得到的评价指标会产生的“累积误差”所造成的对匹配点对评价不准确;匹配点对在图像中分布较为集中会使图像配准产生局部畸变,新指标加入了可以衡量匹配点对分布情况的信息;同时该指标对于匹配点对的不同匹配误差进行了量化,以反映出匹配误差不同所对应的匹配点对的优劣;且该指标与最终的图像配准结果有着明显的对应关系。之后对自然图像和SAR图像进行该指标的评价测试,验证了该指标的各项性能。