图像配准是图像处理的一个重要分支,被广泛的应用于各种领域,例如计算机视觉、自动驾驶、三维重建、图像拼接、增强现实等。随着计算机视觉与图像处理技术的不断成熟与发展,对图像配准的速度与精度的要求也不断变高。图像配准结果的好坏对后续图像处理有着决定性因素。因此,图像配准仍然是目前重点研究的方向之一。在获取图像时因为视角的不同会使图像具有一定的仿射关系,当图像发生大幅度旋转或者仿射变换时,AKAZE(A-KAZE)算法不能够获得正确匹配点对。针对这一问题本文提出了一种具有仿射不变性的AKAZE图像配准算法,该算法首先对输入图像在不同的经度和纬度方向采样模拟不同视角下的图像仿射变换,然后运用AKAZE算法对仿射变换图像提取特征点,利用MLDB(Modified-Local Difference Binary)描述符对特征点进行描述。针对传统GMS(Grid-based Motion Statistics for Fast)算法运算量较大的问题,本文采用一种基于五宫格特征分数的运动统计算法对特征点进行初步筛选,之后利用随机一致性算法删除误匹配点。实验表明,在图像发生仿射变换时该算法可以有效得到正确匹配点,在保证匹配精度的同时完成图像配准。传统的AKAZE算法主要以图像的灰度信息作为输入量,没有考虑到图像的颜色信息和光照信息,造成了图像在灰度级相似但色调不同的区域产生误匹配。对此,本文在传统的灰度信息上,增加了颜色补偿量和光照补偿量,克服了算法没有利用颜色和光照信息区分同名点的缺点。AKAZE算法在提取特征点的同时提取很多冗余特征点,冗余点的存在不仅影响算法的执行效率,而且很大程度上会造成误匹配。针对此问题提出了一种冗余点检测与删除算法,该算法利用欧式距离和特征区域重复率作为约束条件确定重叠程度较高的特征点,然后比较其响应强度将数值较小的特征点作为冗余点删除。在匹配后利用随机一致性算法剔除误匹配点对,算法整体通过并行运算加速。实验表明,所提出的算法不仅可以有效识别同名点,而且剔除了图像中的冗余点,提高了运行效率。将改进的算法应用于无人机图像拼接,实验表明,本文所提算法可以在保证匹配精度的同时高效完成图像配准。利用渐入渐出法对配准图像进行融合,融合后图像没有拼接缝隙,整体亮度变化均匀并且无明显重影,拼接效果较好。