由于多光谱成像技术的发展及其设备成本的降低,越来越多的多光谱成像设备得到了广泛应用,这些不同来源并具有不同特点的图像数据在遥感、公安、交通、消防等领域发挥着重要作用。多源图像数据包含的信息具有互补性和冗余性,因此,从其中提取更有价值信息的多光谱图像配准技术受到了越来越多的关注。本文首先介绍图像配准算法的基本原理、方法和步骤,以及多光谱图像的特性给配准技术带来的难点,接着我们从这些难点出发,从改变描述符权重和设计新的主方向算法等方面探究算法的改进方案。并通过数据库中大量的多光谱图像对进行实验,对图像匹配效果和提出的算法进行评估和对比。多光谱图像配准技术有以下几个难点:多光谱图像对应像素的像素值和梯度值不具有线性关系、特征点检测重复率较低以及梯度方向可能出现反转效应。论文中,针对第一个难点,我们提出基于边缘像素的梯度幅度改进算法,其利用多光谱图像中相对稳定的边缘部分来计算梯度直方图,并对每个特征点的梯度幅度进行加权和量化。另一方面,针对梯度方向反转和特征点检测重复率较低的问题,我们提出改进的具有旋转不变性的特征配准算法,即可以采用传统SIFT特征点,配合PIIFD主方向,也可以采用图像中的线段交点作为特征点,并采用交点中的1号直线的位于第一或者第二象限的方向作为特征点的主方向,以提高描述符对图像旋转变换的鲁棒性。最后,本文通过大量多光谱图像数据,基于Visual Studio 2012和Matlab软件平台进行测试,将每对图像在不同算法下匹配得到的匹配准确率进行统计,并与其他传统配准算法进行比较,总结各种改进算法的匹配效果。实验表明,基于边缘像素的梯度幅度加权算法,既可以利用多光谱图像比较稳定的边缘部分,又可以保留原有的梯度信息,均可以改善原始算法的配准效果。采用图像中的线段交点作为特征点,可以大幅增加特征点数量,也可以提高特征点重复检测率。而主方向采用交点的1号线段主方向,可以加强特征描述符对图像旋转的鲁棒性。在图像具有较大角度旋转的情况下,也具有良好的配准效果。