图像对齐或称图像配准是指将不同时刻、不同视角、不同传感器下获取的相同场景的多幅图像按照某种准则尽可能重叠的过程。它被广泛应用于医学图像分析、计算机视觉和遥感技术。图像对齐方法通常可以分为两类，即基于象素值的图像对齐方法和基于特征的图像对齐方法。本文主要研究基于象素值图像对齐方法中的一类典型方法，即反向合成图像对齐算法。 详细介绍了反向合成图像对齐算法的起源及基本内容，概述了其三种重要的改进算法：加权L2范数形式的反向合成算法，基于健壮误差函数的反向合成算法和基于先验知识的反向合成算法。研究了反向合成图像对齐算法在主动外貌模型(AAM)中的应用，设计完成了AAM原始算法和AAM反向合成匹配算法的程序；实验验证了AAM反向合成匹配算法具有更高的计算效率和准确性；并指出了反向合成图像对齐算法在实际应用中存在对光照变化敏感的问题。提出了一种新的基于局部指向性的反向合成图像对齐算法——反向合成梯度算法，给出了局部指向性的定义及表达式，详细推导了反向合成梯度算法，总结了其计算步骤：实验结果表明，与原始的反向合成图像对齐算法相比，反向合成梯度算法能够有效克服图像中光照变化的影响。实验研究了不同梯度算子，不同光照变化，不同噪声情况对反向合成梯度算法的影响。结果表明，在图像中不含噪声的情况下，无论图像中是否含有光照的变化，基于一阶差分算子的反向合成梯度算法具有最好的收敛性能；当图像中含有噪声时，基于Sobcl和Prewitt算子的反向合成梯度算法具有最好的收敛性能。