图像配准是数字图像处理的重要内容，是图像对比、数据融合、变化分析和目标识别的必要前提。在图像配准中常常需要把来源于不同成像设备的图像进行配准处理，这些不同成像模式的图像常称为多模态图像。把多模态图像进行配准可以得到更丰富的信息，比如：遥感图像处理方面，常常把微波、红外、雷达图像、多光谱图像进行配准融合，可以获得更加全面详细的综合信息。在医学图像的配准中把CT、MRI、B型超声这样的解剖成像和ECT、PET这样的功能图像进行配准可以同时得到功能与解剖信息，这样更加有利于疾病的诊断和治疗。由于多模态图像配准的重要价值和广阔的应用前景，正日益受到国际上越来越多的科研机构的高度重视，是目前图像处理领域中的重点和热门研究课题。 本文创新点如下： 1.利用数理统计的方法研究了在图像配准过程中主要的几种配准测度对重叠面积变化的鲁棒性。并进行了定量的分析。结果表明：基于信息熵一类的配准测度和重叠面积的线性相关关系特别显著。 2.提出了一种改进的方法，用“面积补偿”的原理来保证参考图像和待配准图像相对平移时重叠面积保持基本不变，有效地增加了配准测度在配准过程中的稳定性。 3.在图像配准时，需要通过最优化方法在全局范围内寻找最优点，配准测度曲线的平滑程度影响最优化过程的速度和准确度。论文分析了图像空间灰度相关性和配准测度曲线平滑度的关系和空间灰度相关性对配准过程的影响。 4.最大化互信息法是目前多模态图像配准中最常用的配准方法。在对图像变换时在非网格点需要进行插值运算。本论文分析了图像配准中最常用的两种插值方法产生局部极值的模式和机理。改进了一种插值算法，使配准函数的光滑度得到改善，提高了配准的性能。