图像边缘检测和图像配准是图像融合的关键步骤和必要前提。本文对图像的边缘检测和图像配准技术进行研究,把一些新的算法运用到图像边缘检测和图像配准中,为后续序列图像处理和图像融合做准备。边缘特征是图像中非常重要且容易获得的特征,已经有很多边缘提取的算法,例如sobel算子、canny算子、Log算子等。但这些算法对噪声比较敏感,虽然改进的canny算子有了很大的提高,能提取出比较清晰的边缘,并具有一定的抗噪性,但是算法检测速度较慢,不能用于序列图像处理中。为了寻找具有检测速度快、抗噪性强、检测精度高以及边缘细节保护好的检测算法,本文把集对分析和联系度态势的思想用到图像的边缘检测中。先用集对的方法求出像素点八个方向的同一度、对立度和差异度,再用联系度态势的思想把像素点的同异反关系按同势、均势、反势的趋势进行排序,然后根据像素点的趋势关系来判别该点是否是边缘点。另外有些图像不仅对比度差,而且图像的边缘轮廓也较模糊,所以在进行图像的边缘提取之前可以先对图像进行灰度变换,增加图像的对比度和突出图像的边缘特征。仿真结果表明此算法不仅得到了较好的边缘,而且算法的检测速度也较快。图像配准的方法有很多种,其中基于图像特征的图像配准是配准中最常见的方法。基于特征的图像配准中,特征主要针对点特征。为了得到一种配准速度较快的高配准率算法,本文用的是基于特征点的配准方法,即先用SUSAN算子来提取图像的特征点,再用PSO算法在解空间内搜索最佳匹配参数,然后进行图像的配准。在SUSAN算子中,灰度差阀值t决定了SUSAN算子所能检测到的最小的对比度以及去除噪声点的能力,本文对t值进行了改进,给出了一种对t值自适应的提取方法。PSO是一种新的并行优化算法,可以解决大量非线性、不可微、非连续性和多峰的复杂问题,但是该算法易陷入局部最优,会出现所谓的早收敛现象。为了克服PSO算法的缺点,提出了将Alopex算法加入到PSO算法的改进算法,这样有利于PSO算法在搜索中跳出局部极值,同时又能根据目标函数的变化加速算法的收敛。最后用一幅红外图像、微波图像和多光谱图像作为实例来验证此算法,分别在算法的迭代步数、时间和准确度方面与ICP算法和改进前的PSO算法作比较,通过实验结果可以看出,本文实现的配准方法能对图像进行有效的配准。