图像配准是图像处理领域中的重要技术，用于实现两幅或者是更多图像之间的匹配。经过多年的研究和进步，对不同实际需求和输入数据图像类型，已存在大量的图像配准算法。在实际应用中，每种图像配准方法在某些方面都具有一定的优越性，但是尚未存在一种图像配准算法具有很好的通用性可以完全适用于各类型的图像配准问题中，因此寻求一种既有较高的准确性和鲁棒性，又有极强的通用性使其可以应用在各个领域的图像配准算法成为我们研究的重要方向。目前，图像配准算法主要有基于灰度，变换域以及特征三类。本文采用基于特征的图像配准算法，首先研究了基于SIFT特征配准算法，经过试验和研究发现其在存在视角变换时会出现配准结果对不齐等现象。接着，本文分析研究了基于平滑变化的配准算法(SVAS)，该算法对具视差的图像配准有一定的优越性，可以一定程度上解决SIFT特征配准算法的不足。但是，基于平滑变化的配准算法仍存在着时间消耗大和配准效果不稳定等不足。在对基于平滑变化的配准算法的分析研究基础上找出算法不稳定和时间消耗大的问题所在，根据问题分析针对性的提出改进的SVAS算法，主要从三个方面进行改进：首先通过设计两个合理规则筛选参与代价函数的特征点来减小代价函数相关矩阵的条件数以降低算法时间，同时提高算法的数值稳定性；接着用非局部平均滤波求解任意点变换参数保证变换参数的准确性；最后文中设计了适当的灰度插值方法实现较高质量的图像配准。通过实验表明，本文提出的改进算法在时间和配准效果上均优于基于平滑变化的配准算法，是一种实用性较强的图像配准算法。本文同时介绍了一种立体匹配算法，研究了立体匹配的五大基本约束，并将连续性和相容性进行延伸，提出视差梯度和与基于点邻近关系的几何相容性约束，并将改进的SVAS与这两大约束相结合应用到立体匹配中，形成一种新的立体匹配算法。由于改进的SVAS算法将点与点的匹配转换为点集之间的匹配，使算法对描述子准确性的依赖性大大降低，从而改进一般立体匹配算法由于描述子的不准确而引起的误匹配，并为参考图像中的特征点求解关于全局变换参数的偏移量，来调整其在目标图像中的同名点的位置，使得匹配对更加准确，具有较高的匹配概率和精度，而本文提出的两大立体匹配约束使得匹配性能进一步提高，使本文提出的算法成为有效的立体匹配算法。最后，本文通过实验证明了算法在匹配概率和精度方面的优越性。