图像配准技术是许多学科研究的基础,其研究成果广泛应用于计算机视觉、目标检测、立体视觉、图像分类与检索以及三维重建等领域中。随着技术应用的发展,图像配准的高效性、适应性和精确性成为众多学者的追求目标。图模型作为待配准点集结构特征信息的有效表示方式,并具有直观性和形象性,在图像配准技术的研究中受到了越来越多的关注。本文通过不同图模型的构造对不同情形下的图像配准问题展开研究,主要内容与成果如下:1、提出了一种基于属性关系图模型的图匹配算法。该算法利用特征点集的分布情况构建特征点和边的属性关系。首先用特征点与点集中心点连线一侧的特征点数目作为特征点的属性,再根据特征点间连线两侧的点数目大小来确定边的方向关系和属性信息;然后构造两幅图像之间的亲和矩阵;最后利用整数约束下的迭代求解方法求解匹配结果。实验结果表明该算法具有很好的性能,在形变大的图像上也有很好的匹配效果。2、提出了一种超图约束和改进归一化互相关方法相结合的图像配准算法。为了提高图像配准算法的精度和适应能力,将超图约束和改进NCC方法应用于图像配准。利用Hessian-Affine检测得到的仿射不变区域代替固定窗口来改进NCC方法获得初始匹配点对;通过马氏距离计算超边间的相似度,采用超图约束计算匹配分数对匹配对进行排序:利用分数高的部分匹配点对初始化变换矩阵,通过过滤匹配对来循环更新得到最优变换矩阵实现配准。实验结果表明,该方法具有较好的匹配和误匹配剔除的效果,在不同类型的图像配准中也有较好的配准效果。