图像配准是图像处理领域中的一个基础性任务,在计算机视觉、模式识别、医学、军事、遥感等众多领域有着广泛的应用。准确地说,图像配准是指对同一场景在不同时间或不同视角下,由相同或不同传感器拍摄的两幅或多幅图像确定最佳匹配的过程。图像配准技术是遥感图像应用领域中的重要步骤,在过去的几十年中,许多研究人员做了大量的研究工作,提出许多处理方法。但随着传感器技术及航空航天技术的发展,遥感图像的种类逐渐增多,图像间的差异逐步增大,同时不同的用户对图像配准的需求具有特殊性,因此遥感图像配准中仍有诸多问题有待完善和解决。本学位论文对图像配准的理论和方法进行了深入研究,以提高图像配准算法的速度、精度和自动化程度为目的开展研究工作。根据气象云图和大幅面多光谱遥感图像的特点,本学位论文有针对性地提出了对这两种遥感图像的配准方法。本学位论文的主要工作和研究成果如下：(1)提出了针对气象云图的配准框架——分级变换框架。从内因和外因两方面深入分析了气象云图的形变原因,得出了气象云图中既存在整体刚性形变,又存在局部非刚性形变的结论。针对这一结论,提出建立气象云图分级变换框架,首先对整幅图像进行刚性配准,校正由于传感器的姿态变化引起的旋转、平移等整体刚性形变；然后通过图像非刚性配准算法,校正由于气象云图中大气云层随机运动引起的局部非刚性形变,以获得较好的配准效果。实验结果表明,本文提出的气象云图分级变换框架,能够满足气象云图的配准需求,且具有较快的运行速度。(2)提出一种改进的基于Forstner特征点的图像刚性配准算法,用于校正气象云图整体的刚性形变。首先利用计算简便、定位精度较高的Forstner算子提取特征点,然后分粗匹配和精匹配两步完成特征点匹配。在粗匹配步骤中,采用归一化互相关系数作为特征点的匹配准则,同时通过设置搜索窗口减小匹配特征点的查找范围,以提高粗匹配的效率和正确率；在精匹配步骤,提出了改进的阈值自适应的空间距离约束方法,提高了本文算法对不同类型图像的适应性和鲁棒性。实验结果表明,本文方法能够自动、高效、高精度地实现图像刚性配准。(3)为了校正气象云图中的局部非刚性形变,提出改进的基于B样条的图像非刚性配准方法。本文方法在气象云图上构造固定网格间距的规则控制网格,通过B样条曲面函数模拟图像的灰度形变场,然后利用控制顶点的网格扰动对图像进行变形,以实现图像的非刚性配准。本文提出基于贪婪思想的局部更新策略,代替原方法的整体更新策略,提高了算法对非刚性形变的控制能力,减少了算法的迭代次数。实验结果表明,本文方法能够有效地实现气象云图的局部非刚性形变校正,同时算法效率显著提高。(4)针对大幅面多光谱遥感图像全自动快速配准的需求,提出了网格化的基于SIFT(Scale Invariant Feature Transform)特征点的图像配准算法。本文借鉴网格化思想,提出了特征网格筛选准则。首先在图像上建立二级规则网格,然后结合大幅面多光谱遥感图像的特点,并依据图像灰度值、信息熵及特征分布均匀性准则,筛选出符合条件的特征网格。在后续处理中,仅特征网格中的图像像素参与计算,使得算法的计算量大大减小。特征网格的选取还为特征点提取与匹配步骤实现并行运算奠定了基础。在SIFT特征点提取中,本文提出根据各特征网格的信息熵值自动确定相应的SIFT阈值,减少了人工干预,实现了算法的全自动化。在特征点匹配步骤中,本文对SIFT特征点初匹配方法进行了改进,根据先验知识设置了特征点空间位置约束,在减小计算量的同时提高特征点初匹配的正确率。实验结果表明,本文方法能够实现大幅面多光谱遥感图像的快速、全自动、亚像素级配准。