角点提取是图像处理领域和计算机视觉领域中的研究重点之一。角点提取在对象识别、图像分类、图像恢复、相机自动对焦、目标跟踪、立体匹配、机器导航以及视频定位等领域都有着不可动摇的地位。角点提取的过程主要有以下两步：1、利用角点检测算法检测出角点的位置、尺度等信息；2、根据检测到的角点信息和邻域内的信息对该角点进行描述。本文着重研究的是基于角点提取的图像配准,主要有以下几方面的研究和贡献：1)深入研究了几类典型的特征提取算法并进行了仿真和对比分析。2)结合图像配准技术的特点,深入研究了多尺度分析和相关聚类分析技术；深入研究了图像金字塔并做了大量实验分析；研究了常用的聚类算法K-Means算法并对其进行了优化；结合了多尺度和相关聚类分析,最终将图像配准技术进行了优化。3)深入研究了基于角点的图像匹配算法且用自适应窗口代替固定窗口来减少人工干预。4)根据上述研究,本文结合多尺度分析和相关聚类分析技术设计出一种多尺度聚类相关图像配准方法。本文提出的算法首先建立图像金字塔,然后选择合适的小尺度图像提取特征点并进行匹配,通过相关聚类分析得到匹配点数最多的那个类,以此作为两幅图像的重合区域。最后只在大尺度图像的重合区域提取特征点,进行特征匹配并采用RANSAC算法去除误匹配特征点和计算待配准图像的变换参数。通过仿真实验表明,该方法不仅在图像配准的速度上得到了提高,并且计算出的图像之间变换参数更加准确,从而提高了配准的精确度。