增强现实是在虚拟现实的基础上发展起来的一个研究热点。友好的人机交互接口使得增强现实技术的应用前景十分广泛。跟踪技术是增强现实的关键技术之一。基于视觉的跟踪技术与基于传感器的跟踪技术相比,具有系统简单、价格低廉且跟踪精度高的优点,其核心是图像配准,也是本文的主要研究内容。针对在增强现实中的应用特点,本文分别提出了两种图像配准的实现方法:基于人工标志的图像配准方法和基于自然特征的图像配准方法。基于人工标志的图像配准方法在场景中事先放置设计好的人工标志,采用基于合成灰度与实际二值图差异度的迭代逼近算法,得到标志的位置信息。最后根据标志的位置及方向选取适当的标志基准点,对不同图像进行匹配。该方法与ARToolkit等传统方法相比更加简单直观,而且解决了图像模糊和标志部分遮挡等情况下的定位识别问题。针对基于人工标志方法的应用局限性,提出了一种基于自然特征的图像配准方法。本文对图像特征匹配中的两种经典算法SIFT以及SURF进行了深入研究,并根据实际需要对特征点检测及特征点匹配算法进行了改进,引入信息量对特征点健壮性进行衡量,特征匹配采用基于特征子集的匹配方法,最后用RANSAC和最小二乘法去除伪匹配。实验结果表明,改进的算法减少了计算时间,提高了匹配准确率。