图像配准是实现图像融合、时空序列分析与变化检测的基础和前提,是图像处理涉及的重要内容,被广泛地应用于遥感、医疗、农业与军事等领域。随着传感器的进步,各类遥感图像数据资源越来越丰富,应用也越来越广泛。但是,由于传感器、成像时间、成像角度、以及光照等因素的影响,同一地区不同时间甚至是同一地区同一时间得到的遥感图像差异很大,遥感图像的配准相对于其他类型的图像难度更大,需求也更加迫切。本文针对现有遥感图像配准方法与已经实现的相关算法在精度、效率与自动化程度等方面的局限性,集成基于特征点和互信息的方法探索遥感图像配准的新途径,具有明确的研究意义。论文的主要工作包括以下几个方面:(1)总结了图像配准的内容体系与研究现状,阐述现有基于灰度和基于特征的两类主流遥感图像配准方法的谱系及其各子类的流程、特点与局限性。(2)以30米分辨率的TM图像为实验数据,分析比较Moravec、Harris、SUSAN、SIFT四种常用特征点提取算子在效率、尺度不变性、旋转不变性、时效性等方面的特点与优劣。(3)提出一种基于仿射变换的误匹配点自动剔除方法。该方法通过去除基于匹配点对的仿射变换结果中误差大于设定阈值的匹配对,逐次迭代直至满足设定的结束条件。实验表明该方法能按照预设要求自动剔除误匹配对,提高配准精度。(4)提出基于特征点和互信息相结合的遥感图像配准策略。基于该策略的配准方法将基于SIFT的粗配准结果作为互信息搜索的初始解,因此新方法兼具基于特征的配准方法速度快与基于灰度的配准方法精度高的优势。以3组不同的遥感图像为实验数据的配准实证研究表明,本文提出的图像配准策略得到的结果优于现有同类研究成果。