随着计算机技术的飞速发展,图像配准已成为图像处理领域的研究热点,它在医学、遥感、军事、计算机视觉等领域得到广泛的应用。随着应用的深入,对图像配准的适应性、实时性和准确性都提出了更高的要求。近几年出现了很多图像配准算法,取得了许多研究成果,但是仍存在一些问题需要解决和完善,所以对图像配准算法进行深入的研究有着十分重要的意义。本文重点研究了基于局部特征的SIFT算法,目的是提高配准算法的实时性和准确性,主要研究内容包括以下几个方面:首先,本文对图像配准的基础理论和关键技术进行了系统的研究。从图像配准的研究状况出发,分析了图像配准的基本框架,研究了配准算法的四种变换模型以及常用的三种重采样技术,并从复杂度、鲁棒性、配准精度和配准时间四个方面对算法的性能进行评价与分析。其次,详细的研究了SIFT算法的基本原理和实现过程,针对算法在特征提取时存在复杂度高、实时性差的问题,提出了一种结合ORB算法的SIFT改进算法,降低原算法的时间复杂度,提高算法的实时性。在配准阶段采用了改进的Kd-树最近邻查询算法,减少原算法在“回溯”操作时消耗的大量时间,结合RANSAC算法对匹配对进行精简,提高算法的准确性。将改进后的算法与原算法在视角变化、尺度变化、旋转变化三个方面进行对比与分析。从实验数据来看,改进后算法在配准速度和配准精度方面都得到提升,证明了改进后算法的可行性。最后,本文将改进后的算法应用到场景图像的拼接中。采用对比度增强和直方图均衡化的方法对图像进行预处理,并将改进后算法应用到场景图像的配准,在图像融合阶段分析了三种消除拼接缝隙的方法,经对比发现加权平滑算法能实现重叠区域的平滑过渡,之后给出了实际的拼接效果图。