图像配准是图像处理与识别领域一项研究广泛的基本课题。其一般定义是将在不同的成像设备或成像环境下得到的多幅图像进行匹配,并在此过程中计算出导致图像畸变的模型的过程。其应用深入各个领域,包括军事图像分析、遥感图像分析、医学成像分析、物体识别等。本文的创新点有以下几个方面：1.本文提出的模拟退火图像配准算法,由于其随机搜索的特性,可以跳过局部最优,最终搜索到全局最优解,对比经典的Lucas-kanade算法及其各种变形,由于其基于梯度下降的特性,容易导致迭代过程陷入到局部最优,且非常依赖于初始值的选取,最后通过实验对比了两种方法的结果。2.一般的图像配准方法考虑所有像素具有相同的权值,而在一些应用中,更希望配准图像中的感兴趣区域,如人脸配准或目标跟踪,本文将显著图引入图像配准中,很好地解决了这一问题；3.对于图像中出现的灰度畸变,一般的方法是将矫正的过程作为简单的预处理,若灰度具有较大的变化或对灰度矫正有较严格要求时,此方法不具备有效性,本文将灰度畸变模型加入配准目标函数中同步求解,通过实验验证了此方法的有效性。4.将图像配准方法应用到图像镶嵌中,提出用双向匹配法求取特征点配对集合,然后用RANSAC方法排除离群点(outlier),保证结果的精确,最后用模拟退火算法进行透视变换矩阵的求解,避免陷入局部值。