随着传感器技术的提升,经过多传感器获取的图像数据呈现多样性和互补性,实现了对目标场景的多模化表征,而如何综合利用异源图像实现对目标场更精确、更全面的表达成为图像处理领域的研究热点。异源图像配准融合技术是图像处理技术中的重要一环,配准方法决定了后续图像融合处理的效果,融合方法实现了对源信息的高效表达,两者相辅相成,对于提高目标探测与精确制导能力具有理论支撑和现实意义。合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种主动式微波有源传感器,能够全天时、全天候及远距离获取观测场景的二维图像,SAR图像可以清晰的表示地物轮廓,且具有丰富的纹理特征;可见光传感器具有快速成像的优势,光学图像光谱信息丰富,且能够直观反映图像的区域属性。因此,本文对SAR图像和光学图像配准融合方法展开深入研究,充分利用SAR图像的纹理特征和光学图像的光谱特征来实现目标场景的信息增强,达到提高遥感图像信息挖掘和遥感图像解译能力的目标。本文主要完成工作如下:1.综述分析SAR图像和光学图像的成像特点与图像特性,分别对图像配准和图像融合体系的基本框架、基本原理和基本分类算法进行研究,最后分析了图像配准和图像融合的直观评价和客观评价指标。2.针对SAR图像与光学图像成像机理不同而导致的图像灰度与纹理差异大,传统的图像配准方法无法实现异源图像配准的问题。本文提出一种基于局部轮廓点的异源图像配准方法。首先采用增强Gamma＿MAP滤波算法抑制SAR图像的相干斑噪声,并采用CLAHE算法提高SAR图像的对比度信息。接着,对于异源图像中显著的轮廓特征,采用Harris算子检测轮廓特征中的稳定不变点,并设计弧长弦长比特征量完成粗配准。最后在粗配准的基础上设计轮廓树描述符,利用轮廓距离相似度完成精配准。通过误差分析和仿真实验,验证了该方法的可行性和鲁棒性。3.针对SAR图像与光学图像融合结果存在边缘纹理细节遗漏及光谱扭曲等问题。本文提出一种基于潜在低秩表示的多尺度异源图像融合方法。首先对光学图像进行HIS（Hue Intensity Saturation,HIS）变换,对SAR图像和光学图像的亮度分量进行非下采样轮廓波变换（Non-Subsampled Contourlet Transform,NSCT）获得不同的子带分量。接着,对低频子带采用潜在低秩表示获得低秩图像和显著图像,并采用不同的融合规则获得低频融合结果;对高频信息采用改进拉普拉斯能量和与区域梯度结合的双特征量融合规则。最后利用NSCT逆变换和HIS逆变换获得融合结果。通过仿真处理,验证了该方法具有更优良的性能。