图像配准在领域有着广泛的应用,比如图像融合及拼接,变化检测,环境监测等,是这些应用中关键的一步。图像配准是将不同传感器,不同角度,不同时间段的两幅或者多幅图像进行匹配、叠加的过程。随着技术的发展,获取图像的来源越来越多,各种不同种类的传感器获得图像也各有差异。单一的图像数据分析已无法满足人们的需求,所以结合多种图像数据,从不同的角度来综合分析这些图像的信息,给人们带来更有价值的信息。目前最广泛使用的是基于特征和基于灰度信息两个基本的图像配准方法。由于基于特征的图像配准技术受光照、旋转的影响较小且精度和计算效率高等优点,所以是当前图像配准领域研究的热点。尽管目前已经有许多基于特征的配准方法,但由于图像之间的差异化,畸变等因素和人们对图像配准精度要求越来越高,本文结合现有的图像配准技术,提出了以下两种改进的图像配准方法:第一种方法是提取两种特征点,并分区域进行匹配。对遥感图像提取SIFT特征点和Harris特征点。这样做的目的是为尽可能多的得到特征点,保留更多的图像细节提取更多的图像信息,丰富特征点的种类,为后续匹配过程提供足够的特征点。然后通过素描图根据这些特征点的位置信息将其划分到结构区域和非结构区域。之后两幅图像对应的区域分别进行匹配,并用RANSAC去除错误点,最后结合两个区域得到的正确匹配点对得到配准变换参数。通过对图像数据进行实验,配准结果表明本文提出的方法不但增加了特征点的个数,而且提高了配准精度。第二种方法是针对SAR图像配准进行了改进。由于SAR图像有较强的乘性噪声的特性给图像配准带来一定困难。针对SAR图像这一问题,为了能够保留边缘特征,提取到更多有用的特征点,在非线性空间中检测Harris特征点。由于SAR图像有较多的噪声,为了减少噪声的影响,采用改进的梯度算子进行特征点提取和描述子的计算,最后用最小二乘法得到配准结果。通过对SAR图像进行测试,实验结果表明有该算法对SAR图像配准具有较高的精确度。