图像配准（Image Registration）就是将同一场景之下不同视角或（和）不同时间或（和）不同传感器获取得到的两幅图像进行匹配。目前,图像配准技术主要被用于模式识别、计算机视觉、医学和军事图像处理以及地理信息系统等重要领域。遥感图像配准作为遥感图像处理领域的一项重要技术,目前正被广泛应用。例如遥感图像融合,遥感图像拼接,目标识别,环境监测,地形变化检测,地图更新,导弹制导等。然而,由于地面起伏变化以及航拍视角变化会造成图像间存在非刚性畸变以及重叠度低等问题,进一步增加了遥感图像配准的难度。为了解决上述问题,我们提出了一种基于图像多特征（图像几何结构特征和灰度信息）的多视角遥感图像配准方法,该方法的主要贡献如下:（i）构建了一个基于混合特征的有限混合模型用于处理不同类型的图像特征;（ii）将两种不同类型特征进行结合并将其代入混合模型中以形成特征互补,即将欧氏距离和形状上下文特征用于评估几何结构的相似度,将具有灰度信息的SURF（Speeded Up Robust Features）距离特征用于测量尺度空间极值;（iii）为了防止多视角遥感图像配准过程中出现不适定问题（Ill-posed Problem）造成的错误匹配,我们在基于L₂E的能量方程中引入了运动一致性约束项,以更好地进行非刚性变换,提升配准精度。本文配准测试所使用的数据主要来源于谷歌地球获取的多视角卫星遥感图像以及获取自720云平台和无人机航拍的多视角遥感图像,配准实验不仅验证了本文算法的有效性和鲁棒性,且使其与五种算法（SIFT、SURF、CPD、RSOC、GLMD）进行了实验对比,所提出的算法不仅提升了配准精度且在大多数情况下均显示出最佳的配准效果。