复杂背景下图像配准与定位是目标检测、识别的关键技术。高分辨率视频图像数据量巨大,需要对图像配准与定位算法加速处理。复杂背景图像间存在的旋转、尺度、视角变化给图像配准与目标定位带来困难,研究这些变化对图像配准的影响,建立图像配准变换模型,明确目标与背景相对运动以及相对尺寸变化对目标定位的影响,对目标定位算法进行分类。SIFT特征对旋转、尺度、视角变化具有不变性,研究基于SIFT的高分辨率视频图像配准算法,提出适用于CUDA并行计算的矩阵相关系数特征匹配算法,实现SIFT特征矢量匹配。提出基于模型解算与检验的RANSAC并行模型,实现匹配点对提纯及变换模型解算。在此基础上实现基于SIFT的高分辨率视频图像配准CUDA加速并行算法。基于SIFT的高分辨视频图像配准算法性能优良、配准精度高,但由于算法复杂,经CUDA并行加速后仍难以实时处理。图像局部二值不变特征比SIFT特征简单,在保证一定的配准精度下,特征提取及匹配速度快。研究基于二值特征的高分辨率视频图像配准算法,提出改进ORB算法,构建高斯金字塔解决尺度变化问题,通过重复点删除及非极大值抑制使特征点分布均匀,提高配准效果。研究算法可并行性,实现基于改进ORB的高分辨率视频图像帧间实时配准CUDA并行算法。研究目标与背景相对运动及相对尺寸变化下的目标定位算法,提出目标定位模式判断系数和多策略目标定位算法,根据目标状态选择不同算法,提高算法稳定性。研究算法可并行性,实现基于CUDA的高分辨率视频图像目标定位的加速处理。