随着近年工业生产效率的提高,以及光学成像和传感器技术的不断发展,机器视觉逐渐取代人工视觉在多个工业领域得到广泛应用,其中常常需要综合多张相关的图像获取更全面的信息。图像配准技术能够用来找到从不同视角、不同时间或不同传感器拍摄的多张图像间的相互变换关系,应用于图像拼接、目标检测、姿态识别和视频监控等多个领域。学者们针对不同应用场合从特征提取与匹配、变换模型估计以及图像重采样和变换等子问题进行了深入研究,但是在自然场景和实际工业电子组装场景的图像中经常出现一些不可控的情况,如光照变化、噪声、尺度变化、遮挡、非刚性形变、运动不连续、模糊和低纹理等,给图像配准任务增加了难度。针对这些复杂情况和图像配准研究现状中待解决的问题,本论文利用了特征匹配的稀疏性和稳定性,从基于模板的场景分析和多视角分析两方面着手,对图像间相似度度量、特征筛选、变换模型估计、形变约束等进行了深入研究,提出了几种基于特征匹配的图像配准方法,并应用于自然场景的目标定位、图像对齐、图像拼接和电子组装场景的元件定位、电路板图像配准和拼接中。主要研究内容概括如下:针对模板匹配场景中出现的非刚性形变、遮挡、模糊和背景杂乱等复杂情况,提出一种对离群点更鲁棒的模板匹配相似度度量方法。基于候选窗口与模板中图像块表现特征集合的单向最近邻匹配结果,将位置距离最小的匹配图像块作为内点,并将内点形变程度作为相似度度量。然后通过添加权重抑制模板矩形框中的背景点对度量的影响。对该度量进行统计分析,验证其能够反应两个分布的相似性。针对复杂场景下模板与搜索图像中目标存在尺度变化问题,提出一种尺度自适应的鲁棒模板匹配相似度度量方法。通过对候选窗口与模板中图像块特征集合的单向最近邻匹配结果进行统计学分析,研究任一图像块被选为最近邻的概率及最近邻离散程度的期望,发现最近邻匹配结果与候选窗口尺度变化的关系,提出一种基于最近邻的具有尺度不变性的相似度度量。然后将该度量应用于矩形模板和掩模模板两种情况,并提出高效的多尺度模板匹配流程。通过统计分析验证其尺度不变性且能够反应两个分布的相似性。针对自然场景多视角图像拼接易出现平面和直线弯曲的问题,提出一种分层变换约束下自然图像拼接方法。首先基于随机抽样一致算法将特征点匹配对分成多组,每组代表实际场景中的一个平面。然后,结合分组结果和局部拟合残差估计剔除误匹配点来提升匹配点对质量用于估计更准确的模型。接下来根据极线几何约束利用点对匹配结果估计相机的内外参数及场景中平面法向量,并计算一个使拼接结果形变较小的相机视点。最后通过求解网格变换模型获得对齐精确且形变自然的图像拼接结果。针对多视角图像出现的光照变化、颜色变化和低纹理情况,提出一种基于倒角距离匹配的参数化图像配准方法。首先通过聚类方法提取不同梯度幅值的边缘。然后基于倒角匹配方法提出一个网格变换模型的目标函数,包括倒角配准项和平滑项,并根据边缘点梯度幅值添加权重,利用梯度下降法优化网格变换参数。该方法需要结合基于特征点匹配结果估计的初始模型,并提出一个网格点生长精细化策略。提出一种非连续形变下的基于混合网格变换模型的图像配准方法。首先以图像间特征点匹配对为数据在变分贝叶斯线性回归框架下估计混合网格变换模型,并推断混合模型分量个数。然后通过最小化图像重叠区域光度误差来对每个分量模型精确化,提升了配准的准确度。最后,根据对应像素的光度差以及周围特征点和相邻像素的类别,通过循环算法判别重叠区域每个像素所属的分量,以实现图像的最终变换和配准。