遥感图像配准技术因其实用性强、应用范围广等特点已经成为目前的研究热门。遥感图像配准技术的发展在灾害勘测方面有着广泛应用。为了获取更有效、更全面的灾后遥感信息,在遥感图像配准阶段,本文提出了一种结合空间变换网络和灰度投影的遥感图像配准的方法,以及一种结合卷积神经网络和区域约束移动最小二乘法的遥感图像配准方法。主要研究如下:1.为使图像能够参照变换模型实现自适应变换,减少配准时间,提出一种结合空间变换网络和灰度投影的遥感图像配准方法。采用空间变换网络模型提取图像特征并进行训练得到仿射变换系数,使待配准图像能够根据该仿射变换系数实现自适应仿射变换,达到初配准目的。为了得到更精确的配准效果,采用灰度投影算法进行二次校准,最后实现待配准图像的精确配准。2.为了使移动最小二乘法在实现图像配准时图像局部不会因整体形变而产生变换,本文通过VGG16卷积神经网络模型提取特征,训练得到关键特征点。将特征点预匹配得到控制点和目标点,采用区域边界约束的方法对区域内的图像使用移动最小二乘法计算最佳变换模型,最后进行逐点仿射变换从而完成配准。实验证明,本文提出的方法在配准过程中保持了配准精度的同时加快了配准的速度,并具有较好的鲁棒性;在针对局部区域的配准过程中添加了区域约束条件,使得全局图像不会因局部变化而变化,提升了图像整体结构的稳定性。