图像配准(Image registration)将不同时刻、不同类型传感器或不同条件下(天气、光照、拍摄位置和角度等)所获取的两幅或多幅有差异的图像进行匹配,使包含相同物体的图像对应地重合。图像配准是图像处理的基本任务之一,被广泛地应用于计算机视觉、医学图像和遥感等领域。传统谱方法利用成对几何约束,进行图像配准,并得到广泛应用。但是这种方法效率不够高且不具备尺度不变的特性: 1)当备选匹配数量很大时,该方法要进行的特征值运算会很浪费时间;2)而且该方法进行匹配要求尺度一致,因此这种成对几何约束条件对于存在尺度变化的情况是无效的。为了解决上述计算复杂度高的问题,本论文提出了基于投票表决和求和排序机制的图像配准方法。在本方法中,每个备选匹配都有着表决器的功能。每个表决器对其它备选匹配进行投票表决,也对自己进行投票表决。对投票得分进行简单的求和并对结果进行排序求最大值,即可得到最佳匹配。为了克服传统谱方法不具备尺度不变特性的缺点,本论文把成对约束推广为三角形约束,然后采用投票表决和求和排序机制进行图像配准。在本方法中,利用三个备选匹配来建立几何约束条件。这种几何约束的一致性,是用这两个三角形的相似度来衡量的,这样就保证了该方法的尺度不变特性。利用该方法中的几何约束信息,将会构建一个三维矩阵。对该三维矩阵进行求和计算和排序操作,就能获得最佳匹配。实验结果表明:本论文所提出的第一种方法的效率非常高;第二种方法在高效率的基础上实现了多尺度图像的配准。本文还介绍了另一种传统谱方法的改进方法,即基于张量算法的高阶图像配准。该方法与我们所提出的方法有很大的共性。这种张量幂迭代方法在成对约束谱方法匹配的基础之上,引入张量思想,将之泛化扩展到高阶的几何约束上,从而实现更为鲁棒的多尺度图像配准。我们将张量方法与我们提出的带权重投票方法和三组几何约束方法作了比较。实验证明,两种方法在同尺度和多尺度图像配准中表现相当,但我们的方法在计算矩阵时效率更高。