视觉是人类最高级的感知器官,而图像是人类视觉感知外界事物、传达各种信息的常用方法之一。随着信息技术的飞速发展,人类对图像处理进行的相关研究越来越多。图像配准是图像处理领域的一个重要研究分支。图像配准,是指对同一场景(或物体)在不同时刻或视角下,经由相同或者不同成像设备得到的图像(位于不同坐标系下)变换到同一坐标系的过程。图像配准在医学影像、遥感处理和计算机视觉等领域均有广泛应用。经过多年研究,很多学者在图像配准领域做了大量的研究工作,并取得了许多研究成果,但在实际应用中,仍然有许多问题有待解决和完善。目前的图像配准技术主要是基于特征和基于灰度两大类。由于基于灰度的配准技术,对于某些特定图像,精度效果较好,但运算量较大。基于特征的配准技术,技术的关键点主要是找到某类较优的相似度,来测量两幅或多幅图像的匹配点集。图作为一种描述高维数据的常用工具,是一种有效的结构特征信息的表示方式。谱图理论是图论的一个重要分支,利用矩阵论和组合论,来研究图的各种矩阵的谱。常见的矩阵有：亲近矩阵、加权亲近矩阵、Laplace矩阵以及加权Laplace矩阵等。本文以谱图理论为主要数学工具,对基于特征的图像配准方法进行深入研究,本文主要完成的工作和贡献：1.对图像配准的相关概念、分类和流程进行了介绍,对图像的几何变换模型选择和图像质量评价标准进行详尽介绍。着重对基于特征的配准算法进行分析研究。系统的介绍了谱图理论的基本概念,描述了基于谱图理论的图像匹配、图像分割和图像分类算法。2.提出一种基于Laplace谱的图像配准算法。该算法首先对于两幅待配准的图像,提取图像中的特征点。然后通过特征点集构造谱图矩阵,再由奇异值分解(Singular Value Decomposition, SVD)的结果,构造出反映图像中特征点间匹配程度的关系矩阵,进而得出图像的匹配结果。通过匹配关系,求出射影变换矩阵,最后通过坐标变换和图像插值,得到配准图像。通过对多种模式的图像进行的实验,验证了该算法的可行性和有效性。3.提出一种结合图像纹理的谱图配准算法。首先引入图像局部特征描述算子(Scale Invariant Feature Transform, SIFT)进行自动选取特征点。其次,通过灰度共生矩阵计算出这些特征点为中心像元的纹理特征值,结合提出的配准算法,根据不同图像具有的不同纹理特征构造关系矩阵,得出图像的匹配结果。再次,通过匹配关系,求出射影变换矩阵。最后通过坐标变换和图像插值,得到最终配准图像。通过分别对遥感图像和医学图像进行实验,验证了使用该算法对图像配准,能够获得较高的精确度。