多源传感器最优配准技术是将不同时间、不同传感器或不同视角下获取的同一场景的两幅或多幅图像进行匹配的图像处理过程,是图像处理的一个基本问题。本文围绕多传感器最优配准的主要领域——时间匹配、空间匹配、图像匹配进行了深入系统的研究。空间匹配和时间匹配是针对传感器本身进行的纠正,是实际应用中进行图像匹配和融合前必须做的工作。对于空间配准问题,目前常采用最大似然函数法、UKF(Unscented Kalman Filter)滤波法、信息熵法等实现配准。本人对前人的工作进行了汇集和梳理,对这一领域进行了科学系统的阐述和研究。重点推介了几何校正法。实验证明,利用此方法进行多源传感器的快速配准,能够取得理想的效果。时间配准,就是将基于同一目标的各传感器不同步的量测信息同步到同一时刻。本人在总结前人算法的基础上,给出了Lagrange插值法与α-β自适应跟踪算法相结合的改进算法。经实验证明,具有更好的配准精度和速度。基于特征的图像配准方法是目前图像配准最常用的方法之一,其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征(特征点、特征曲线等)的分析,从而大大减小了图像处理过程的运算量。而特征提取的准确程度和定位的精确程度将对整个配准过程产生很大的影响。本文通过对现有的特征提取方法进行分析,重点研究了边缘特征在景象匹配制导领域的应用,提出了基于部分Hausdorff距离的特征提取和小波多尺度变换结合的改进方法。经过试验证明,该方法可以高速率高精度的完成图像的配准。最后,对本文的工作进行了总结,并对本文在多源传感器最优配准领域仍需要深入研究的地方进行了展望。