遥感图像的配准是其进一步镶嵌、融合、拼接等处理的一个前期准备,因此提升遥感图像的配准精确度是该领域的重点研究内容。高分卫星拍摄的图像具有分辨率高,信息量丰富,涵盖地面范围大,反映地面信息详细等特点。高分遥感图像的配准对遥感图像配准方法提出更高要求。单一的图像配准方法已经不能达到遥感图像配准的要求。在图像配准中,基于直线特征的配准方法存在定位信息不准确、检测到的直线可能是不真实等缺点。本文提出了一种基于直线特征和区域特征相结合的遥感图像配准方法,该方法使用Hough变换检测遥感图像中的直线特征,遥感图像主方向计算旋转参数,最佳阈值分割方法分割遥感图像,Hu不变矩作为遥感图像子区域块相似性度量的尺度,既发挥了图像配准中直线方向性准确的优点,又解决了直线定位不准确的问题,新方法可适用于遥感图像的平移、旋转、缩放,提升了遥感图像的配准精度。传统的基于SIFT-RANSAC图像配准方法,首先使用SIFT算法对图像进行粗配准处理,然后使用RANSA算法剔除没有意义的特征点。在实际应用中由于RANSAC在剔除无意义特征点时具有局限性,可能会误剔除关键特征点。本文提出基于SIFT-RANSAC遥感图像配准优化方法,首先对提取的特征点的方向做直方图统计,然后根据直方图的统计结果,对遥感图像进行角度补偿,剔除一些角度上存在较大误差的特征点,为下一步RANSAC参数估算模型提供更精确的样本数据库。该方法在一定程度上减轻了误剔除特征点的情况,从而提升了遥感图像配准的精度。本文使用2017年黑龙省地区高分卫星拍摄的截取部分图像作为实验数据,进行了若干组特征点提取和图像配准实验,提取了正确特征点和错误特征点并计算配准过程中的正确匹配率,通过对比与未进行优化的方法进行比较,实验验证了新提出配准方法的有效性和精确性。