图像配准技术是计算机视觉中的一项基础任务，其应用领域广泛。图像配准技术根据其应用特点可分为像素级配准与基于图像特征的配准，像素级配准技术抗噪性较差。基于特征的配准技术随着SIFT算法的提出逐渐成为研究热点。SIFT算法用于配准存在尺度变换、旋转变换、光照变化和视角变化的图像，能得到很高的准确率。然而，其提取的关键点数多，描述子维度高，导致运算时间长，效率不高。基于特征的配准方法可分为三个步骤：关键点检测，描述子构造，描述子匹配。本文为解决上述问题，从关键步骤入手，提出了改进方法。关键点检测时，将SIFT算子提取的尺度空间极值点作为初始特征点，然后用Harris算子对初始特征点进行筛选。选择具有高对比度的点作为最终关键点。这样可以提高关键点的显著性，同时减少特征点的数目。描述子构造时，利用梯度原理，将SIFT算法的描述子维度降低一半。大幅节省了描述子匹配的时间开销，加快图像匹配的运算速度。最后对图像配准技术应用中的关键技术进行研究，构建了基于图像配准的变化检测系统。