本文首先分析了图像配准的意义、概念、常见配准方法及变换模型。根据课题研究的内容，图像配准可分为基于外部特征、基于内部特征和基于非图像三类方法，其中论文研究的重点是基于内部特征的图像配准方法，该方法又可以分为低层次内部特征配准和高层次内部特征配准两类，本文就是围绕这两类方法展开研究、讨论。主要内容有：第一介绍了基于低层次内部特征图像配准方法的基本原理，对现有的几种经典的基于低层次图像配准算法进行研究，并比较了各算法的优缺点；第二介绍了基于高层次内部特征图像配准方法的基本原理，研究了高层次图像配准方法的关键技术——特征提取，按照特征的分类讨论了点、线、面特征，指出了各特征方法的优点及相应特征领域的研究进展；第三讨论了当前的两种角点检测算法即Harris算法和SUSAN算法，通过实验分析了它们在角点提取的有效性、定位的准确性、抗噪性以及检测速度这些性能上的差异及使用范围。实验表明：Harris方法的优点为无误检、抗噪性强、算法稳定、速度相对快，缺点是定位不够准确；而SUSAN方法的优点是定位准确，但是速度慢，算法敏感。这些实验结论对于实际中合理地选用图像配准算法提供了依据。