合成孔径雷达因其具有全天候以及分辨率高等优点，近年来利用SAR图像进行灾害监测，地物解释越来越受到人们的重视。在众多的对灾害进行检测的新技术中如INSAR技术、DINSAR技术与变化检测，以及图像融合、图像镶嵌等都要首先对两幅图像进行配准处理。本文的主要研究内容是利用多种特征对SAR图像进行精确配准，并编程实现。基于Harris算子的图像精配准作为一种经典的算法，其角点特征在SAR图像上相对比较稳定。利用该算法可以迅速的在不同时相的SAR图像上找到角点，然后利用灰度相关系数来确定同名角点。但是Harris算法同样存在缺陷，在噪声比较多以及地形比较复杂的情况下，不同时相的SAR图像上的角点信息会有较大的差异，从而会导致匹配的失败。本文从众多学者研究的结论出发通过对匹配同名点后期的剔除处理提出了一种改进的Harris算法。通过验证该算法可以剔除大部分误匹配的同名点，使得配准的精度大大的提高。基于SIFT(尺度不变特征)的算法是一种比较稳定的特征算法。该算法能够在不同的差分高斯尺度空间内寻找特征点，得到的SIFT特征点存在于图像的多个差分高斯尺度空间内。该特征点由其本身以及其周围邻域所构成的128维的向量来表示。该算法能够较为准确的在主辅SAR图像上定位到尺度不变的特征，并通过特征向量之间的距离来对SAR图像的特征点进行匹配处理。但是同样的在匹配的过程中由于噪点、时相及地形等因素的影响还是会造成匹配的错误，在本文中利用了与上述Harris算子同样的改进来剔除错误匹配的信息，提高SAR图像配准的精度。