随着科学技术的发展,人们获取的图像分辨率越来越高,图像的尺寸也越来越大,这就使得图像处理的数据量成倍增加。使用一般的优化算法,处理这种图像,往往需要几十秒甚至几分钟,而对于超大图像(数据量高达GB级别),更是需要耗费大量的时间仍然不能得到较好的结果。针对超大图像配准处理实时性要求较高的场合,目前几乎没有较好的算法能够解决这个问题。本文首先叙述了超大图像配准领域的研究背景及大致的研究现状,在对图像配准相关的概念进行基础介绍下,总结了图像配准技术的基本方法及分类,针对基于特征的图像配准方法进行了对比实验,表明传统基于特征的匹配方法提取特征不仅耗时长,而且效率很低,尤其是在对超大图像进行基于特征的匹配计算时。在此基础上,本文提出了一种基于重叠子区域的超大图像快速匹配新方法,利用构建的图像金字塔快速索引低分辨率的图像进行粗匹配,确定大致重叠区域。后续精确配准只需针对重叠区域进行,大大减少了参与特征匹配的数据量,从很大程度上加快了匹配过程所需的时间,提高了算法效率。实验证明,该方法相较与一般的配准算法,在配准精度仍在一个像素以内的前提下,配准时间大大减少。与二维图像不同,三维地形包含更多的信息。现实应用中对三维地形的分析与处理越来越多。本文首先介绍了三维地形可视化技术,实现了三维地形的可视化。在可视化的基础上,本文通过将三维地形匹配问题转化为二维图像配准问题,利用图像配准间接实现三维地形匹配。实验表明,该方法能够实现三维地形的有效匹配。由于图像的成像机理及成像时场景的光照强度、拍摄视角等的不同,异源图像间存在较大的差异,尤其是在红外图像中丢失了很多细节纹理。利用基于特征点的算法无法从灰度差异巨大的异源图像间提取匹配的特征点,因此本文提出一种基于直线的图像配准算法,通过对提取的直线段构建直线组标签,在定量描述后进行相似性度量,从而实现匹配。实验证明,该算法能够实现灰度差异较大的异源图像间的配准。