图像配准是在同一场景的两幅图像中寻找匹配对应点的过程。它通过在空间上对准两幅图像，使图像间的差异检测、图像信息融合、场景的三维结构估计以及目标定位成为可能。对于复杂非线性、局部变形、多模态及高维图像的配准，至今仍然是非常具有挑战性的任务。对于图像间复杂非线性和局部几何变形的配准，始终面临着两个重要的问题：如何匹配控制点和选择合适的映射变换模型。尽管合适的径向基函数的使用，较好的解决了映射变换模型问题，但复杂非线性、局部几何变形或大尺寸图像下控制点匹配仍然是没有解决的重要问题。另外一个问题是，配准评估中如何区分图像的之间变形和场景的真实改变，这也是一个很难界定的问题，也就是如何更好的评估图像配准的性能。本文提出了基于计算几何中Voronoi图的自适应多层细分方法，可以很好的解决大尺寸图像、复杂全局非线性的多目图像配准问题，在效率较高的同时，对于局部变形也具有一定的鲁棒性。在该方法中设计了许多步骤去掉错误匹配点对及提高点位置精度。另外，在该方法中提出了新的图像配准评估准则，可以减小参考图像和检测图像之间的灰度差异对图像配准评估性能的影响。对于计算机视觉领域的目标定位、高精度三维重建、遥感图像等应用中需要高精度的配准，国内外学者已经对提高图像配准精度做了大量的研究工作，使图像配准的精度达到亚像素级。在前人研究的基础上，本文提出了一种基于相位相关和图像重采样的高精度亚像素级复合配准定位算法。首先基于相位相关算法实现像素级的粗定位，然后通过在粗定位点邻域范围内高倍数重采样实现细定位。同时，从理论上证明了基于矩阵乘法DFT实现部分区域重采样的方法与传统的基于零填充重采样方法在计算精度上的等价性。最后，将本文算法与交互相关以及其它相位相关的亚像素配准算法进行了对比实验分析，表明了本文方法在配准精度、计算效率和抗噪性方面的优势。在大规模集成电路制造、工业检测和目标检测定位等应用领域，特别是在精密电子组装的工业应用场合需要快速、高精度的图像配准，国内外众多研究人员已在基于图像的元器件视觉检测等方面做了大量工作，主要基于元件的形状特征、边缘特征或特征匹配、灰度匹配等实现元器件的检测定位。本文在深入研究分析图像配准理论和实际工业需求的基础上，提出了多种有效的快速图像配准方法，这些方法主要基于形状描述、特征匹配、频域相关以及目标优化等，实验结果也表明了所提出方法的应用有效性。上述方法虽然针对精密电子组装中的贴片检测定位提出的，但是也可以应用于其它应用场合。