近年来,随着雷达技术的发展,合成孔径雷达获取到的SAR图像数据被广泛应用于舰船识别、海岸线检测、地图绘制等各种领域。而在对获取到的SAR图像进行目标检测、分类等处理时,对其进行图像配准是必不可少的步骤。图像配准是图像处理中的关键技术之一,已在医学、地质监测、人工智能等领域得到了广泛应用。但传统的基于光学图像提出的图像配准算法在应用于SAR图像配准时,局限性逐渐显现,出现了误检率较高、处理时间过长、甚至匹配失败等情况。近年来,各类改进的SAR图像配准算法层出不穷,针对SAR图像的图像配准研究已成为当下的热点问题,具有十分重要的的研究价值。本文针对基于特征的图像配准方法,考虑到SAR图像的成像特性,对SAR图像配准中的特征提取以及特征匹配两个方面进行了深入研究,本文的主要研究内容如下:首先,由于SAR图像具有受乘性噪声干扰较大的特点,其在特征提取时出现误检率提高、匹配效果差等问题。针对此问题,本文结合梯度比率边缘检测方法,提出了基于GR-SIFT的SAR图像特征提取算法。该算法在图像高斯尺度空间中使用梯度比率边缘点检测进行局部极值点的提取,同时提出一种基于圆形极坐标的自适应特征描述方法,得到稳健的特征点集用于SAR图像配准。然后,针对SAR图像中存在着大量相似的区域噪声纹理问题,为了提高特征匹配的精度,本文提出一种基于尺度方向约束与快速样本一致性的特征匹配算法。该算法针对SAR图像的特征点,使用了粗匹配与精匹配相结合的方法,在使用最近邻比率策略得到粗匹配点对之后,提出一种新的尺度方向约束,用于对粗匹配中得到的点进行进一步的精匹配,最后使用快速样本一致性算法过滤匹配点对,计算转换模型参数从而获得最终匹配结果。为了验证本文算法的稳定性和鲁棒性,本文使用Terra SAR-X获取的三对不同时间、地点的SAR图像作为实验数据,对本文提出的算法进行实验验证,并且与几种优秀的算法进行比较。实验结果表明,本文所提出的改进算法在特征提取数量和特征配准精度上均有明显提高,具有良好的配准效果。