与传统光学图像相比，合成孔径雷达(Synthetic Aperture Radar，SAR)的图像由于不受天气影响因而具有全天候的优点。且多波段SAR图像的配准能够将不同卫星的SAR图像数据充分利用，具有重要意义。本文针对多波段SAR图像配准进行研究，主要内容如下：首先研究SAR图像相干斑噪声的抑制算法。不仅介绍典型的基于统计区域统计特性滤波算法，包括Lee算法、Frost算法、Kuan算法等。这些滤波算法的目的不仅滤波噪声且保留边缘与目标特征。为了完成这一目标，引进L0范数滤波算法，该算法的目标是完成梯度最小化。L0范数滤波能够有效去除噪声保留重要边缘。本文在L0滤波基础上，针对图像配准输入图像灰度特性应尽量相似，提出了L0改进算法。多波段SAR图像经改进后的L0滤波算法滤波后，匹配的SIFT数量以及比例都有提升。其次在配准阶段，将基于相位相关的区域特征与Affine-SIFT特征相结合，提出了一项新的特征融合配准流程。基于相位相关的傅里叶梅林变换针对图像互功率谱采用FFT逆变换，速度较快，且峰值位置与配准参数相对应。但该方法依赖于公共区域的大小，对于多模SAR图像成功率较低。引入具有仿射不变性的ASIFT特征，当傅里叶梅林变换配准失败，将输入图像L0滤波后提取ASIFT特征并匹配，并使用RANSAC算法剔除不符合变换模型的特征。整个流程将这两项特征进行融合，提升了配准的准确性与鲁棒性。最后针对图像的局部配准问题，提出在上述粗配准完成后，在主图像与从图像的公共区域进行均价网格化，网格的交点作为控制点。主图像与从图像都在控制点周围窗口中截取图像块，进行模板匹配。模板匹配后得到更为精确的控制点。运用这些控制点计算薄板样条函数对应的变换参数，根据这些参数对粗配准图像进行变换，完成图像的局部配准。最终完成图像的配准流程。