机载合成孔径雷达技术的日益发展及其军事和经济应用的广泛推广，对机载合成孔径雷达图像的处理提出了新的要求。作为图像拼接、数据融合、目标检测和变化检测等图像处理过程的必要环节，图像配准也成为了当前的研究热点和难点。机载SAR图像配准包括航带内图像配准和航带间图像配准，其中由于飞机获取图像时的位置和姿态的差异，航带间图像灰度分布差别和几何形变比较大，使其图像配准成为挑战。特别是高分辨率的机载SAR图像的配准，使用现有技术其配准精度仍比较差。　　本文在研究了目前图像配准的方法和机载SAR系统的成像原理的基础上，发现当前使用最为广泛的尺度不变特征变换SIFT算法对航带间SAR图像进行特征提取和配准时，由于航带间SAR阴影的存在，提取了许多位于阴影区域内或阴影边缘的不稳定特征点。这些特征点的匹配将影响图像的配准精度，针对这个问题，本文结合SIFT特征提取算法和阴影智能识别技术，提出了一种用于提高航带间机载SAR图像配准精度的改进算法。　　改进算法针对机载SAR系统侧视成像引入阴影和航带间机载SAR图像入射角差异比较大两方面的特点，在SIFT算法的基础上，使用了阈值方法和滑动窗口法分别对阴影区域内和阴影边缘的不稳定特征点进行检测和筛除，保留并仅选用位于目标地物或平地上的稳定特征点进行特征点匹配，从而提高航带间SAR图像的配准精度。　　为了验证本文改进算法的可行性和有效性，本文从分辨率为0.5米的机载SAR图像的三条相邻航带截取了40幅航带间图像共20组分别进行5次SIFT配准和本文改进算法配准实验，采用均方根误差和正确匹配率两种评价方法对20组配准结果进行评价。评价结果证明本文改进算法不仅能提高机载航带间SAR图像的配准精度，还能改善特征点的正确匹配率。此外，由于不稳定特征点的筛除，本文改进算法的计算量明显减少，算法耗时也明显降低。