图像配准是对取自不同时间、不同传感器、不同视角或不同拍摄条件下的同一场景的图像进行匹配、校正与融合处理的过程，当这些图像处于不同的波谱谱段时，该过程称为多谱图像配准。随着成像技术的发展，越来越多的图像以多谱的方式呈现，由于多谱图像之间不仅存在时间、空间上的差异，而且还存在较大的灰度差异，因此，多谱图像配准是目前图像配准研究领域中的一个难点和热点问题。　　 基于点特征的图像配准方法是多谱图像配准中最常见的方法之一，该类方法具有较高的配准精度和可靠性。通过对现有多种基于点特征的配准方法进行深入研究，我们不难发现，它们在多谱图像配准的应用中仍然存在着三类主要问题：首先，点特征的描述方法过于单一，没能充分利用特征点所包含的丰富信息；其次，特征点匹配的鲁棒性还有待提高，尚不能完全适应多谱图像之间的配准；再次，许多算法虽然已经能够达到较高的配准精度，但处理速度还不能令人满意，难以满足实时处理的性能要求。本文将针对这几个问题进行深入的研究和实验。　　 本文首先研究和设计了一种基于角点的多谱图像配准算法。该算法采用Harris角点检测算子对图像进行角点提取；在角点匹配中，本文提出了一种由粗到精的匹配策略，分别基于归一化的互相关系数和仿射变换下的相似三角形模型，这种分层渐进的匹配方法既凸显了角点的局部特性，又综合考虑了角点之间的全局空间拓扑关系，使整个配准算法具有较高的鲁棒性。另外，精匹配中所采用的随机采样RANSAC原理和相似三角形模型的几何约束关系还同时起到了一致性检测的作用，有利于去除候选同名角点集中的虚假匹配，提高图像配准的精度。　　 本文还研究和实现了基于SIFT特征的多谱图像配准算法，实验结果表明该算法能够适应多谱图像之间的配准，并具有较高的配准精度和准确度，但时间效率不佳。本文从算法的具体实现上对高斯金字塔的构建以及SIFT特征向量的匹配这两个步骤进行优化，从而提高了整个配准算法的时间效率。