随着我国遥感卫星不断的发射升空,多源遥感影像数据源增长迅猛,如何将多源遥感图像相结合展开应用研究成为目前研究的热门,其中关键技术就是多源遥感图像精确配准,本文着重研究SAR与可见光图像的配准。可见光图像对不同地物产生较强分辨能力,能较为真实的反演出地物目标的灰度与亮度信息,但受成像天气影响较大,无法全天时、全天候对地区进行成像。SAR图像为主动式合成孔径雷达成像,可以克服天气影响达到全天候成像,也可以反演出很多不易观察到的地物信息。于是,将SAR与可见光图像进行配准,实现多源遥感图像的优势互补,对后续的例如多源图像融合、图像信息提取、地物目标识别等研究工作具有重大的研究价值。本文的主要工作概括为以下两个方面:(1)针对SAR与可见光图像配准中特征点提取困难、配准速度较慢的问题,本文提出了一种基于非下采样Shearlet变换(NSST)与改进的尺度不变特征变换(SIFT)结合的配准算法。该算法采用NSST变换来提取图像低频信息作为后续检测特征点的原始图像,在保证特征点提取数量的同时提升算法运行速度;选用Harris算子和ROEWA边缘检测算法相结合的方法提取SAR图像特征点,改进传统SIFT算法在SAR图像特征点提取时提取特征点较少,并且特征点鲁棒性较差的问题。(2)针对SAR与可见光图像配准中匹配率与匹配效率较低的问题,本文提出了一种基于多区域描述的改进SIFT配准算法。本文通过改进特征点的邻域描述方式以提高特征点的独特性,从而提升图像的匹配率与匹配效率。本文以哨兵三号SAR图像与高分一号可见光图像作为实验数据对文中所提算法评价其有效性。实验结果表明:所提算法在特征点提取数量与配准精度上相较于传统算法均有明显提高。