图像配准是图像处理领域的一个基本问题，它是同场景的多图像分析的基础。本论文对图像配准进行了创新性研究。本文提出了广义的图像匹配概念和一个新的图像配准准则——对齐度。广义的图像匹配概念更符合人对于图像匹配的理解。对齐度准则源自于人对于图像内容对齐的认识，在数学上则基于方差。该准则能够有效地衡量图像的配准程度，对图像的灰度属性之间没有苛刻的要求，对图像中的噪声也有很强的容忍性。新准则适用于一维至多维的多模态图像，本文以单模态和多模态的医学和遥感图像实例充分证实了新准则的有效性。图像配准问题归结为对齐度的最大化，这成为一个典型的多维全局参数优化问题。本文使用Powell方向族搜索法结合多分辨率分析来最大化对齐度。针对基于特征点的图像配准，本文提出了一种基于广义特征点的图像自动配准方法。首先本文提出了广义特征点和狭义特征点概念，将特征点从单纯的点拓展到特征区域。基于广义特征点概念提出了一种新的特征点具体定义，以多尺度的小波变换结合其他特征约束条件来自动地搜索广义特征点。对两幅图像分别提取广义特征点集之后，提出一种基于对齐度准则和根均方误差的两步匹配算法完成同名控制点的建立。以一种叠代优化机制对控制点的位置进行精校正，最后进行图像的精确配准。多种实验结果充分展示了本文基于广义特征点方法的配准效果。在研究遥感图像特点和失配方式的基础上，针对具有局部几何畸变和无限长特点的遥感图像，提出了一种持续地流水线式的配准方法。只在配准的起始需要人工的简单辅助就可以启动后续的自动过程。在图像的变形平缓的前提下，通过网格化的广义特征点自动搜索和匹配过程在全图中建立足够密度的均匀的控制点集。然后以局部加权平均的表面拟和方法对失配图像做几何校正，该方法既有效地校正了遥感图像中的局部几何畸变，又适合于针对无限长图像进行数据流式的分段配准输出。模拟实验证实了本方法的有效性。