随着人们获取图像的途径的丰富和所获图像的量的增多,数字图像处理里一些基础性的研究方向变得更加至关重要。图像配准就是计算机视觉和模式识别领域里最基础、最困难的一个领域之一。通常来说,图像配准的定义是指找出两幅图像中的公共场景部分,并确定他们之间的变换参数,这两幅图像通常是拍摄于不同时间、不同光照条件、基于不同分辨率或者不同角度和位置等,它们之间的变换可以是刚体变换,也可以非线性的仿射变换等。图像配准技术的应用场合相当广泛,比如图像融合,目标跟踪,图像检索,图像拼接和镶嵌,医学影像处理,多视频和多传感器图像处理等。在军事上,配准技术更是无处不在。此外,由于近年来3D成像技术和3D影像处理技术趋于成熟,3D图像里的图像配准更是得到了非常频繁的应用。按照所面对的目标不同,配准问题可以分为同模图像配准和多模图像配准。不同类型的问题,经常需要不同的解决方法,造成了配准算法的极度多样化。经过几十年的努力,国内外已经研究出很多种不同的配准方法,但是显然,图像配准技术离成熟还有相当长的路要走。本文总结了前人的一些相关研究成果,包括基于互信息,基于点,线,区域特征的配准方法,深入研究了各种点特征的提取方法以及基于尺度不变特征变换(SIFT)的图像配准算法。同时,针对红外图像和可见光图像这一对非同质图像之间的配准问题,提出了一套可行的解决方案。此外,本文还就图像配准技术在图像拼接中的应用进行了介绍。本文以基于特征点以及特征描述的配准方法为研究重点,主要的贡献如下:1.在对常见的角点提取算子进行深入分析比较之后,对Harris算子进行了改进,对于角点“过密”的问题,提出了一种有效的解决方案,使得在不影响提取高角点度角点的同时,疏散了角点,减小了计算量,更重要的是,减少了误配的概率;2.针对红外图像和可见光图像这两种成像机理完全不同的图像之间的配准问题,提出了两种有效的特征描述子,同时提出了一种多特征、由粗到精的匹配策略,将一次性决定的误配风险分散到几次中,使得匹配结果更为可靠;3.通过多特征的匹配策略,大大降低了匹配算法的计算复杂度,提高了算法的实时性能。