光学遥感和SAR(Synthetic Aperture Radar)是目前对地观测获取地表信息的两种重要技术手段,由于两者的数据具有优势互补的特点,因此被广泛应用于遥感图像分析领域。在综合使用这两种数据前需要进行图像配准,因此寻求一种高精度的自动配准方法是实现光学与SAR图像优势互补、综合利用的必要前提,然而光学遥感和SAR的成像原理截然不同,导致获取的图像之间存在多种差异,其中主要包括成像角度差异、地面分辨率差异、非线性强度差异,使得光学与SAR图像之间的高精度自动配准成为异源图像配准中的难点。基于特征和基于区域的图像配准方法是目前图像配准领域研究的热点,本文针对于上述问题,对这两种方法展开研究,并结合两种方法的优点提出一种混合模型,实现大尺寸光学与SAR图像的高精度自动配准。本文主要研究工作概括如下:1、首先从图像配准原理、图像配准方法、图像配准评估方法三个方面分析和归纳了图像配准的基本理论,然后对多源图像匹配算法RIFT(Radiation-Invariant Feature Transform)的旋转不变性做出了改进,降低了在构造旋转不变描述向量时的计算量。其次在特征匹配算法NBCS(Normalized Barycentric Coordinate System)的基础上加入一种能够自动剔除误差过大的匹配和在邻域搜寻最优同名点的方法来提高配准精度。2、多源遥感图像配准算法CFOG(Channel Feature of Orientated Gradient)是采用差分梯度算子来表达图像的几何结构信息,而差分梯度算子容易受到SAR图像的斑点噪声影响,针对于此问题,采用了能够有效抵抗斑点噪声的ROEWA算子(Ratio of Exponentially Weighted Averages)来代替差分梯度算子计算光学和SAR图像的梯度,同时针对在构造稠密特征表达时模板区域具有较高的重叠度问题,提出了一种降低模板重叠度的方法来减少重复计算,经过多组的图像配准实验验证了改进后的CFOG算法相比于CFOG算法具有更好的鲁棒性和更少的计算量。3、针对单一配准方法难以取得满意的配准结果的问题,结合基于特征和基于区域的配准方法的优点,提出一种基于混合模型的配准方法。首先使用改进RIFT算法对光学与SAR图像进行粗配准,然后在此基础上采用改进CFOG算法进一步地实现精配准,最后使用多组大尺寸的光学与SAR图像进行配准实验,验证了基于混合模型的配准方法能够有效地克服光学与SAR图像之间的多种差异,实现高精度的配准。